Python 微调预先训练好的word2vec谷歌新闻

我目前使用的Word2Vec模型是在谷歌新闻语料库上训练的（来自） 由于2013年之前我只接受新闻培训，因此我需要更新向量，并根据2013年之后的新闻在词汇表中添加新词

---

假设2013年后我有一个新的新闻语料库。我可以重新训练、微调或更新Google News Word2Vec模型吗？可以使用Gensim完成吗？可以使用FastText完成吗？

您可以查看以下内容：

它的功能与您想要的完全相同： 以下是链接上的内容：

逐步训练分类模型或词向量模型

./fasttext[supervised | skipgram | cbow]-输入train.data-输入model trained.model.bin-输出重新训练[其他选项]-增量

-incr代表增量训练

在训练单词嵌入时，可以从头开始，每次都使用所有数据，或者只使用新数据。对于分类，可以使用预先训练好的单词嵌入所有数据，或者只使用新的数据，在不改变单词嵌入的情况下，从头开始对其进行训练

---

增量训练实际上意味着，用我们以前得到的数据完成训练模型，并用我们得到的新数据重新训练模型，而不是从头开始。

是的，你可以。我最近一直在做这个

• word2vec
• 手套

编辑：手套在训练时会产生计算和存储

共现矩阵的开销。培训
word2vec
相对容易