我有一個從項目-項目圖構(gòu)建的“語料庫”，這意味著每個句子都是一個圖行走路徑，每個單詞都是一個項目。我想在語料庫上訓(xùn)練 word2vec 模型以獲得項目的嵌入向量。該圖每天都會更新，因此 word2vec 模型會以增加的方式（使用Word2Vec.save()和Word2Vec.load()）進(jìn)行訓(xùn)練，以不斷更新項目的向量。與文字不同，我的語料庫中的項目有其生命周期，并且每天都會添加新項目。為了防止模型大小不斷增長，我需要刪除達(dá)到其生命周期的項目，同時保持模型可訓(xùn)練。我想出了下面的代碼，但我不確定它是否正確和正確：from gensim.models import Word2Vecimport numpy as nptexts = [["a", "b", "c"], ["a", "h", "b"]]m = Word2Vec(texts, size=5, window=5, min_count=1, workers=1)print(m.wv.index2word)print(m.wv.vectors)# drop old wordswordsToDrop = ["b", "c"]for w in wordsToDrop:? ? i = m.wv.index2word.index(w)? ? m.wv.index2word.pop(i)? ? m.wv.vectors = np.delete(m.wv.vectors, i, axis=0)? ? del m.wv.vocab[w]print(m.wv.index2word)print(m.wv.vectors)m.save("m.model")del m# increased trainingnew = [["a", "e", "n"], ["r", "s"]]m = Word2Vec.load("m.model")m.build_vocab(new, update=True)m.train(new, total_examples=m.corpus_count, epochs=2)print(m.wv.index2word)print(m.wv.vectors)刪除和增加訓(xùn)練后，m.wv.index2word和m.wv.vectors仍然元素對應(yīng)嗎？上面的代碼有副作用嗎？如果我的方法不好，有人可以給我一個例子來展示如何正確刪除舊的“單詞”并保持模型可訓(xùn)練嗎？