Gensim word2vec model 是否与 Mikolov 的标准 model 相同？

Question

我正在实施一篇论文来比较我们的表现。 在论文中，uathor 说

300 维预训练 word2vec 向量 (Mikolov et al., 2013)

我想知道这里的预训练 word2vec Gensim model 是否与Google 官方网站上的预训练嵌入相同（GoogleNews-vectors-negative300.bin.gz 文件）

我的怀疑来自 Gensim 文档中的这一行（在 Word2Vec 演示部分）

我们将获取在部分 Google 新闻数据集上训练的 Word2Vec model，涵盖大约 300 万个单词和短语

这是否意味着 gensim 上的 model 没有经过充分训练？ 它与 Mikolov 的官方嵌入有什么不同吗？

Answer 1

用于读取词向量的演示代码正在下载完全相同的 Google 训练GoogleNews-vectors-negative300向量集。 （没有其他人可以尝试重新训练该数据集，因为新闻文章用户的原始语料库，如果我没记错的话，来自 2013 年左右的超过 100B 字的训练数据，是 Google 内部的。）

从算法上讲， gensim Word2Vec的实现是在 Google/Mikolov 发布的word2vec.c代码之后紧密建模的，因此对于任何新训练的向量，它的结果应该在可测量的方面匹配。 （线程方法的细微差异可能会略有不同。）