Nlp 为fastText设置字符n-grams的最大长度

我想在这个比较教程的基础上比较word2vec和fasttext模型。

根据这一点，当我们将字符n-grams的最大长度设置为零时，fastText模型的语义准确性会提高，因此fastText开始表现得几乎像word2vec。它忽略了ngrams

---

但是，我找不到关于如何在加载fastText模型时设置此参数的任何信息。关于如何做到这一点有什么想法吗？

参数在训练时设置，然后使用该参数构建模型，并依赖该参数进行解释。因此，您通常不会在加载一个已经训练过的模型时对其进行更改，而且gensim（或原始FastText）中没有API来更改已经训练过的模型的设置

---

（通过查看源代码并直接篡改加载的模型状态，您可能能够近似忽略已训练的字符的效果-但这是一种新颖的模式，与您链接的笔记本中评估的无字符训练模式完全不同。它可能会产生有趣或可怕的结果-无法预测在训练时设置参数，然后使用该参数构建模型，并依赖于该参数进行解释。因此，您通常不会在加载已训练的模型时更改该参数，并且gensim（或原始FastText）中没有API更改已训练模型上的设置

---

（通过查看源代码并直接篡改加载的模型状态，您可能能够近似忽略已训练的字符的效果-但这是一种新颖的模式，与您链接的笔记本中评估的无字符训练模式完全不同。它可能会产生有趣或可怕的结果-无法预测（我不想试一下。）

如果在培训阶段设置，这是有意义的。因此我猜笔记本的作者自己将此参数设置为零，对模型进行了培训。如果没有设置，则可能是已经有在线预培训模型忽略了n-gram。是的，如笔记本本身所示，它正在进行自己的培训，而不是加载y预训练模型。如果在训练阶段设置，这是有意义的。因此我猜笔记本的作者自己训练模型时，将此参数设置为零。如果不是，则可能是已经有在线预训练模型，忽略了n-gram。是的，如笔记本本身所示，它正在进行自己的训练，而不是r而不是加载任何预先训练的模型。