使用新語料庫重新訓練Word2vec，如何為現有詞匯更新權重？

Question

Scenerio：使用詞匯V1在語料庫C1上訓練了word2vec模型。 如果我們想使用train（）API用另一個具有詞匯V2的語料庫C2重新訓練相同的模型，那么這兩種情況將會發生什么：

1. 對於模型，將重置V1交叉點V2的權重，並對語料庫C2進行重新訓練，並提供所有新的權重
2. 對於模型，將使用語料庫V1交叉點V2的現有權重繼續進行語料庫C2的重新訓練。

以上兩個中哪一個是正確的假設？

Answer 1

1. 如果我正確理解此選項，那么您將重置共享詞的所有權重，然后將其訓練在C2數據上……這意味着丟失了來自C1的共享詞的所有信息，這似乎很大輸給我 （我不知道語料庫的大小）。 另外，兩個語料庫有何不同？ 這個十字路口有多大？ 語料庫是否涵蓋相似的主題/領域？ 這也可能會影響您決定是否丟失來自C1語料庫的所有信息。

2. 對我來說，這似乎是更合乎邏輯的流程……但是語料庫/詞匯的差異在這里很重要。 如果由於交集而遺漏了C2中的許多單詞，則可以考慮以一種或另一種方式添加未知單詞的方法。

但是，為了評估哪種選擇在您的情況下真正是“最佳”，請創建一個案例，在其中可以衡量一種方法在另一種方法下的“良好”程度。 在大多數情況下，這涉及一些相似性措施……但也許您的情況有所不同。

Answer 2

為什么不使用每次運行隨機生成的數字來初始化每個word2vec參數？ 我可以做到這一點，並通過仔細選擇每個參數（numFeatures，contextWindow，seed）的隨機數，我能夠獲得我的用例想要的隨機相似元組。 模擬整體架構。

別人怎么看？ 請回復。