Nlp 如何在gensim中使用build_vocab？ 扩大我的词汇量

例如，我的想法是，当我使用doc2vec来训练模型时，它只是从数据集中构建词汇表。如果我想扩展它，我需要使用build_vocab（）

我应该在哪里使用它？我应该把它放在“gensim.doc2vec（）”后面吗 例如：

sentences = gensim.models.doc2vec.TaggedLineDocument(f_path)
dm_model = gensim.models.doc2vec.Doc2Vec(sentences, dm=1, size=300, window=8, min_count=5, workers=4)
dm_model.build_vocab()

---

您应该遵循gensim文档/教程/笔记本或在线教程中的工作示例，以了解哪些步骤是必要的，顺序是什么

特别是，如果您在

Doc2Vec（）

初始化中提供了

句子

语料库，它将自动完成词汇发现过程和所有训练，因此您无需自己调用

build\u vocab（）

或

train（）

。而且，您永远不会在没有参数的情况下调用

build\u vocab（）

。（文档或在线中的任何工作示例都不会像您的代码那样工作——因此，在您遵循示例并了解它们为什么这样做之前，不要临时创作新东西。）

---

build_vocab（）

中有一个可选的

update

参数，该参数旨在允许扩展早期培训课程中的词汇表（为使用新单词进行进一步培训做准备）。但是，它仅针对

Word2Vec

型号进行了开发/测试–有报告称，当与

Doc2Vec

一起使用时，它会导致崩溃。即使在

Word2Vec

中，它的整体效果和最佳使用方式在所有培训模式中都不清楚。因此，我不推荐使用它，除了那些能够阅读和解释源代码的专家，还有许多专家需要自己权衡。如果你收到一大块新的文本，有了新的单词，最好的有根据的行动方针，也最容易评估/推理，就是使用所有文本示例的组合语料库从头开始重新训练

单独调用build_vocab或在Doc2Vec初始化期间调用build_vocab有什么好处吗？特别是在速度方面，如果您在实例化

Doc2Vec

时提供了一个语料库，那么初始化方法只需调用

build\u vocab（）

，然后为您调用

train（）

。（如果您不提供语料库，它只会跳过该步骤并等待您调用它们。）因此，实例化/初始化/构建vocab/train所需的总时间是相同的。显式地这样做只会更清楚地显示代码中的每个步骤，并让您可以选择在每个步骤之间执行额外的步骤，或者改变通常的参数。（通常只有更高级的修补程序需要这样做。）