使用预训练向量的优势在于能够从比您可能访问的更大的语料库中注入知识：word2vec的词汇表包含 300 万个单词和短语，这些单词和短语是在包含约 1000 亿个标记的谷歌新闻数据集上训练的，并且没有培训时间的成本。

此外，它们快速且易于使用，只需加载嵌入并查找它们。替换不同的预训练向量集（fastText、GloVe等）很简单，因为其中一个可能更适合特定用例。

但是，当您的词汇表在 word2vec 中没有条目时，默认情况下，您最终会在嵌入层中得到一个空条目（取决于您如何处理它）。您需要考虑规模/影响以及如何解决它（保留/放弃/考虑在线培训）。正如雅智所说，必须决定如何处理词汇外的单词。

从您自己的语料库中学习词向量的优势在于它们可以从您的数据集中派生，因此如果您有理由相信您的数据的组成与用于预训练向量的语料库有很大不同，那么这可能会导致在更好的下游性能。然而，这是以训练您自己的向量表示所花费的时间为代价的。

Tensorflow 有一组机器学习算法的实现，所以如果你的应用程序需要在 word2vec 之上构建一些东西，它应该会很舒服。Gensim 主要用于主题建模技术，但作为其主要工作非常强大。

如果您想清楚地了解算法的工作原理，那么手动实现是有意义的。否则，只需使用其中一种实现即可。

谷歌 word2vec 模型相当不错，涵盖了大部分英文单词。如果您没有计算能力或时间来训练模型，请使用它。手动训练让您可以自由选择特定领域的数据集、窗口大小、cbow 或 sg、向量长度。如果有 Out of words (OOV) 单词，它会抛出一个错误。