句子是否完全一样，逐字逐句？如果是这种情况，我建议删除重复的句子，因为这可能会对 word2vec 模型产生偏差，即。重复同一个句子会超过这些例子，单个单词会以更高的频率在模型中结束。但是，这可能有利于查找同义词。对所有独特的句子进行二次采样，而不仅仅是最常见的句子，以获得平衡的模型。

我还建议查看构建在 word2vec 模型之上的FastText模型，在字符级别构建 n 克。使用 gensim 很容易训练，并且有一些预构建的功能，例如model.most_similar(positive=[word],topn=number of matching words)根据词嵌入找到最近的邻居，您还可以使用model.similarity(word1, word2)它轻松获得 0 到 1 之间的相似度分数。这些功能可能有助于查找同义词。