。
我目前正在使用在Google新闻语料库中训练的Word2Vec模型（从此处）由于直到2013年才对此进行培训，因此我需要根据2013年以后的新闻来更新矢量，并在词汇中添加新单词。
假设我在2013年之后有新的新闻语料库。我可以重新训练或微调或更新Google News Word2Vec模型吗？可以使用Gensim完成吗？可以使用fastText吗？
您可以看一下：https://github.com/facebookresearch/fasttext/pull/423
它做您想要的完全相同的事情：这是链接所说的：
逐步训练分类模型或单词向量模型。
./fastText [监督|Skipgram |CBOW] -Input train.data -inputmodel trained.model.bin -output重新训练[其他选项] -Incr
-incr代表增量训练。
训练单词嵌入时，可以每次使用所有数据或仅在新数据上从头开始使用。对于分类，可以将其从头开始训练，并使用所有数据嵌入预训练的单词，或者只有新数据，而不会更改嵌入单词。
增量培训实际上意味着，使用以前获得的数据完成培训模型，并使用我们获得的较新数据，而不是从头开始。
是的。我最近也一直在研究这个。
- word2vec 参考
- 手套参考
编辑：手套在训练时在内存中具有计算和存储co-occurence矩阵的开销。培训word2vec相对容易