如何从Gensim预训练CBOW风格Word2Vec模型提取词频？

首先明确：绝大多数公开的预训练Word2Vec模型（包括Gensim自带的预训练模型），都没有存储词频信息，无法直接从模型对象中提取，只能回到原始数据集统计词频。

具体细节：

• Gensim的Word2Vec训练过程中，词频仅用于负采样、高频词下采样等训练逻辑。默认情况下，若只保存词向量部分（比如常见的.wv格式或model.wv.save()操作），词频数据会被丢弃。只有保存包含完整训练状态的Word2Vec对象时，才可能保留词频，但公开预训练模型几乎不会提供这类完整文件——它们仅发布最终的词向量结果。
• 即便加载的是完整Word2Vec模型，在Gensim 4.x及以上版本中，词频也不会直接暴露在key_to_index等常用属性里，需通过model.wv.get_vecattr(word, 'count')获取，但这仅适用于你自行训练并完整保存的模型，预训练模型基本不包含该属性。
• 旧版Gensim（3.x及以前）中，model.wv.vocab内的词对象会有count字段，但同样，预训练模型若仅保存词向量，这个vocab结构也不会存在。

总结：若你使用的是公开渠道获取的预训练CBOW模型，无法从模型本身提取词频，只能找到训练该模型的原始数据集重新统计。

内容的提问来源于stack exchange，提问作者AmirWG