gensimの語彙数はトレーニングデータの語彙数よりもはるかに少ない

Question

私はGensimを使用してサイズ4の文章を練習しており、トレーニングデータセットには1192のユニークワードがあります。モデルlen（model.vocab）の単語の数は141ですが、意味がありません。これを見る理由はありますか？どのように私はそれらのモデルを変更することができますトレーニングのすべての単語の鍵を持っている？デフォルト値は5である モデルは= Word2Vecは（窓、min_count = 1）

Answer 1

それは答えることは本当に後半ですが、多分これが誰かを助けることができる、「min_count」と呼ばれるgensim.models.word2vecのデフォルトのパラメータがあり、それがスキップあなたのデータセットのあまり一般的でない単語。すべてのvocabをそこに置くには、1に設定します。