我想基于此比较教程比较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模型的语义准确性增加，使得fastText开始表现得几乎像word2vec。它忽略了ngrams。
但是，在加载fastText模型时，我找不到有关如何设置此参数的任何形式。关于如何做到这一点的任何想法？
答案 0 :(得分：2)
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，在加载已经训练过的模型时，您通常不会更改它，并且gensim（或原始的FastText）中没有API来更改已经训练的模型上的设置。
（通过查看源代码并直接篡改加载的模型状态，可能能够近似忽略已经训练过的字符的效果 - 但是这样做了一种新颖的模式，完全不像在你所连接的笔记本中评估的非ngrams训练模式。它可能会产生有趣或可怕的结果 - 如果不尝试就无法判断。）