为 fastText 设置 char n-gram 的最大长度
Setting max length of char n-grams for fastText
我想根据这个对比教程来对比word2vec和fasttext模型。
https://github.com/jayantj/gensim/blob/fast_text_notebook/docs/notebooks/Word2Vec_FastText_Comparison.ipynb
据此，当我们将 char n-gram 的最大长度设置为零时，fastText 模型的语义准确性会提高，这样 fastText 开始表现得几乎类似于 word2vec。它忽略了 ngram。
但是，我找不到任何有关在加载 fastText 模型时如何设置此参数的信息。关于如何做到这一点有什么想法吗？
参数在训练时设置 - 然后使用该参数构建模型，并依赖于该参数进行解释。因此，您通常不会在加载已训练模型时更改它，并且 gensim（或原始 FastText）中没有 API 来更改已训练模型的设置。
（通过查看源代码并直接篡改加载的模型状态，您 可能 能够近似忽略已训练的 char-ngram 的效果——但是这将是一种新颖的模式，与您链接的笔记本中评估的非 ngrams 训练模式完全不同。它可能会产生有趣或糟糕的结果——不尝试就无法判断。）
我想根据这个对比教程来对比word2vec和fasttext模型。 https://github.com/jayantj/gensim/blob/fast_text_notebook/docs/notebooks/Word2Vec_FastText_Comparison.ipynb
据此，当我们将 char n-gram 的最大长度设置为零时，fastText 模型的语义准确性会提高，这样 fastText 开始表现得几乎类似于 word2vec。它忽略了 ngram。
但是，我找不到任何有关在加载 fastText 模型时如何设置此参数的信息。关于如何做到这一点有什么想法吗？
参数在训练时设置 - 然后使用该参数构建模型，并依赖于该参数进行解释。因此，您通常不会在加载已训练模型时更改它，并且 gensim（或原始 FastText）中没有 API 来更改已训练模型的设置。
（通过查看源代码并直接篡改加载的模型状态，您 可能 能够近似忽略已训练的 char-ngram 的效果——但是这将是一种新颖的模式，与您链接的笔记本中评估的非 ngrams 训练模式完全不同。它可能会产生有趣或糟糕的结果——不尝试就无法判断。）