在Gensim训练Word2Vec模型时，日志中的‘word types’指什么？

我正在使用Gensim训练一个大型word2vec模型，并通过日志跟踪训练进程。日志显示：

PROGRESS: at sentence #3060000, processed 267654284 words, keeping 940042 word types

请问这些word types具体指什么？是数据中2亿+分词里的唯一单词吗？我在官方文档中未找到相关说明。

word types指的是经过低频过滤后，语料中保留的唯一词汇集合，和你理解的“2亿+分词里的唯一单词”核心一致，但有个关键细节：

• 它不是原始语料里所有的唯一词，而是Gensim根据min_count参数（默认值为5）过滤后的结果——所有出现次数低于该阈值的词汇会被剔除，不会进入后续的向量训练，最终留下的词汇总数就是日志里的keeping 940042 word types。
• 简单来说，这个数字代表当前模型实际会处理、生成向量的唯一词汇数量，是去重且经过低频过滤后的结果。

内容的提问来源于stack exchange，提问作者ℕʘʘḆḽḘ