使用 Doc2Vec 建模，我已经训练了一个模型并保存了以下文件：
1. model
2. model.docvecs.doctag_syn0.npy
3. model.syn0.npy
4. model.syn1.npy
5. model.syn1neg.npy
但是，我有一种新的方法来标记文档并想再次训练模型。因为已经从以前的版本中获得了词向量。有没有办法重用该模型（例如，将之前的 w2v 结果作为训练的初始向量）？有谁知道怎么做？
【问题讨论】：
标签： python nlp gensim word2vec doc2vec
我想通了，我们可以加载模型并继续训练。
model = Doc2Vec.load("old_model")
model.train(sentences)
【讨论】：
sentences 有新的词/标签，它们将被视为未知而被跳过； (2) 如果新的sentences 长度不同，进度报告和学习率衰减可能无法正确更新； (3) 它可能会在有用的值上为模型提供轻微的“领先优势”，并跳过初始词汇扫描，但不会导致 train() 本身运行得更快。
train() 并使用正确的参数作为语料库大小的提示，您可以想象从先前加载的模型开始。或者，为了适应新的词汇/标签，您可以使用新的组合语料库执行build_vocab()，然后尝试通过手动复制原始模型中的向量来为模型提供“领先优势”。