Gensim Word2Vec实现中的时期数

Word2Vec实现中有一个iter参数gensim

gensim.models.word2vec.Word2Vec类（句子=无，大小= 100，alpha = 0.025，窗口= 5，min_count = 5，max_vocab_size =无，sample = 0，seed = 1，workers = 1，min_alpha = 0.0001，sg = 1，hs = 1，否定= 0，cbow_mean = 0，hashfxn =，iter = 1，null_word = 0，trim_rule = None，sorted_vocab = 1）

指定时期数，即：

iter =语料库上的迭代次数（时期）。

有谁知道这是否有助于改进语料库模型？

有什么理由将iter默认设置为1？增加No不会有太大影响。时代？

是否有关于如何设置否的科学/经验评估。时代？

与分类/回归任务不同，网格搜索方法不会真正起作用，因为矢量是以无监督方式生成的，而目标函数只是通过分层softmax或负采样进行。

是否有一个早期停止机制来缩短否。向量收敛后的历元数？分层softmax或负采样目标可以收敛吗？

时代的增加通常有利于单词表示的质量。在实验中，我执行的目标是使用单词嵌入作为文本分类的功能，将历元设置为15而不是5，从而提高了性能。

我在这里看了一下，发现默认值从1更改为5。显然，作者相信更多的时期会改善结果。

我还不能从经验中分辨出来。

我在Google新闻300上训练了[2，10，100]个时代的w2v模型，最好的是在10个时代。经过所有的等待，我震惊了100个时代。

epoch   wall                    
------ ------                    
2       56 s                    
10      4m 44s (284s)           
100     47m 27s (2847 s)    

增加迭代次数（时期数）会大大增加训练时间。仅当您送入大量文档时，Word2Vec才能提供高质量的结果，因此即使在文档上循环两次也并不合理，尽管这实际上会使生成的单词嵌入更加准确。