是否可以使用自定义文本数据集（属于特定域的文本数据）更新 Google 新闻词嵌入？

Google News Word2Vec - Word Embedding显然可以帮助我们提供一组强大的词向量，但不幸的是它不能用于大多数商业案例。例如：

embeddings.most_similar('python')

[('pythons', 0.6688377857208252),
 ('Burmese_python', 0.6680365204811096),
 ('snake', 0.6606293320655823),
 ('crocodile', 0.6591362953186035),
 ('boa_constrictor', 0.6443518996238708),
 ('alligator', 0.6421656608581543),
 ('reptile', 0.6387744545936584),
 ('albino_python', 0.6158879995346069),
 ('croc', 0.6083582639694214),
 ('lizard', 0.601341724395752)]

这个输出显然不是我们想要的。我们可以为这个商业案例使用 gensim 库创建一个自定义的 word2vec 模型，但它并不详尽（词汇量会相对较少）。在这种情况下，最佳做法是什么？是否可以更新预训练的词嵌入模型的权重，以便词嵌入也从域文本数据中学习？