gensim中的词汇数量远远低于训练数据中的词汇数量

Question

我使用Gensim来训练大小为4的句子，并且在训练数据集中有1192个独特词汇。模型len（model.vocab）中的单词数量是141，但这没有意义。有什么理由看到这个？我怎样才能改变他们的模型，为训练中的每一个单词都提供一个关键字？ 模型= Word2Vec（窗口，min_count = 1）

Answer 1

它真的来不及回答，但也许这可以帮助别人，有在gensim.models.word2vec默认参数名为“min_count”，默认值是5，它跳过数据集中不常见的单词。如果你想让所有的词汇都在那里，将它设置为1。