我已经使用 skipgram 技术训练了 2600 万条推文来创建词嵌入，如下所示：
sentences = gensim.models.word2vec.LineSentence('/.../data/tweets_26M.txt')
model = gensim.models.word2vec.Word2Vec(sentences, window=2, sg=1, size=200, iter=20)
model.save_word2vec_format('/.../savedModel/Tweets26M_All.model.bin', binary=True)
但是，我不断在我的数据库中收集更多推文。例如，当我有 200 万条推文时，我想更新我的嵌入，同时考虑这个新的 200 万条推文。
是否可以加载先前训练的模型并更新嵌入的权重（可能向我的模型添加新的词嵌入）？还是我需要从一开始就发布 28 (26+2) 百万条推文？使用当前参数需要 5 个小时，使用更大的数据需要更长的时间。
另一个问题，是否可以直接从数据库中检索语句参数（而不是从txt、bz2或gz文件中读取）？随着我们要训练的数据越来越大，最好绕过文本读/写操作。