我想先训练部分语料库，然后基于这些嵌入在整个语料库上进行训练。我能用gensim的skipgram模型实现这个吗？
我没有找到可以传递初始嵌入的API。
我想要的是类似于下面的功能：
from gensim.models import Word2Vecsentences = [["cat", "say", "meow"], ["dog", "say", "woof"], ["cat2", "say2", "meow"], ["dog2", "say", "woof"]]model = Word2Vec(sentences[:2], min_count=1)X = #构建一个新的model = Word2Vec(sentences, min_count=1, initial_embedding=X)回答：
我不确定你为什么要这样做：如果你拥有整个语料库，并且能够在整个语料库上进行训练，你可能会从整个语料库的训练中获得最佳结果。
而且，如果第二部分语料库中缺少某些内容，第二部分的训练往往会使正在训练的单词的向量偏离那些不再在语料库中的单词——导致语料库内向量的可比性下降。（只有包含所有单词的示例之间的交错拉锯战才能将它们推向彼此之间有意义相关的地位。）
但是，请记住这个警告：你可以用新数据继续train()模型。也就是说：
# 初始化并完成所有默认训练model = Word2Vec(sentences[:2], min_count=1)# 现在用略有不同的组合再次训练更多model.train(sentences, total_examples = len(sentences), epochs=model.epochs)请注意，在这种情况下，模型发现的词汇表仅基于原始初始化。如果某些单词仅在sentences[0]中，当这些句子被呈现给在初始化时没有看到这些单词的模型时，它们将被忽略——并且永远不会获得向量。（如果你以这种方式使用你那微小的示例语料库，单词’cat’将不会获得向量。同样，你真的应该在最大的语料库上进行训练——或者至少先使用包含超集单词的最大语料库。）
此外，还会记录一个警告，因为第二次训练将再次从较大的起始值开始内部alpha学习率，然后逐渐降低到最终的min_alpha值。像这样来回改变值并不是标准的SGD，通常表示用户错误。但是，根据你的目标，这可能是可以接受的——你只需要意识到，当你进行这种不寻常的训练序列时，你正处于实验/高级领域，并且必须通过你自己的理解来处理可能的副作用。
