在 Gensim < 4.0 的情况下，我们可以使用以下代码重新训练 word2vec 模型：
model = Word2Vec.load_word2vec_format("GoogleNews-vectors-negative300.bin", binary=True)
model.train(my_corpus, total_examples=len(my_corpus), epochs=model.epochs)
但是，据我了解，Gensim 4.0 不再支持Word2Vec.load_word2vec_format. 相反，我只能加载 keyedVectors。
如何使用 Gensim 4.0 使用我的特定领域语料库微调预训练的 word2vec 模型（例如在 GoogleNews 上训练的模型）？
您可以尝试以下步骤，使用 Gensim 4.0 对特定领域的语料库进行微调：
创建一个与预训练模型具有相同向量大小的 Word2Vec 模型
w2vModel = Word2Vec(vector_size=..., min_count=..., ...)
为新语料库构建词汇表
w2vModel.build_vocab(my_corpus)
创建一个向量，确定预训练向量的可变性。在以前的 Gensim 版本中，这曾经是 intersect_word2vec_format 函数的单个 lockf 参数。使用一个向量可确保在微调期间更新词汇表中的所有单词
w2vModel.wv.vectors_lockf = np.ones(len(w2vModel.wv))
使用 intersect_word2vec_format 函数执行词汇交集，以使用预训练词汇表中单词的预训练嵌入来初始化新嵌入。我引用 Gensim 官方文档如下 intersect_word2vec_format 1
合并从原始 C word2vec-tool 格式加载的输入隐藏权重矩阵，它与当前词汇表相交。
没有词被添加到现有词汇表中，但相交的词采用文件的权重，不相交的词被单独留下。
w2vModel.wv.intersect_word2vec_format('pretrained.bin', binary=True)
现在，您可以在新语料库上训练模型
w2vModel.train（my_corpus，total_examples=len（my_corpus），epochs=...）