gensim中的詞彙數量遠遠低於訓練數據中的詞彙數量

Question

我使用Gensim來訓練大小爲4的句子，並且在訓練數據集中有1192個獨特詞彙。模型len（model.vocab）中的單詞數量是141，但這沒有意義。有什麼理由看到這個？我怎樣才能改變他們的模型，爲訓練中的每一個單詞都提供一個關鍵字？ 模型= Word2Vec（窗口，min_count = 1）

Answer 1

它真的來不及回答，但也許這可以幫助別人，有在gensim.models.word2vec默認參數名爲「min_count」，默認值是5，它跳過數據集中不常見的單詞。如果你想讓所有的詞彙都在那裏，將它設置爲1。