如何改造 fasttext 模型？

Question

我阅读了各种研究论文，可以改进 fasttext 模型以提高其准确性 (https://github.com/mfaruqui/retrofitting)。但是我在如何实现它方面遇到了问题。

上面的github link，会把一个矢量图文件改造一下，输出另一个矢量图文件。我可以使用 gensim 库加载它。然而，由于它是一个矢量文件，它不再是一个模型，它不会预测 OOV（out-of-vocabulary）词。这使它毫无意义。有没有办法以某种方式重新训练模型以使其具有更高的准确性？

Answer 1

据我阅读 paper and browsing the repository 的理解，提议的方法只允许提高输入中给出的向量 (.vec) 的质量。

如您所见，fastText 表示词汇外单词的能力是 .bin 模型（包含所有 n-gram 的向量）所固有的。

正如您可能已经了解的那样，使用建议的方法，没有开箱即用的方法来改进 fastText 模型。