如何在Word2Vec训练中按指定迭代间隔获取词向量？

好问题！要实现训练过程中每隔固定迭代次数提取词向量（甚至每次迭代后都提取），你得跳出gensim默认的“一次性跑完所有迭代”的逻辑，手动控制训练循环——这样就能在每一轮训练后插入自定义的保存/提取操作。下面给你一步步讲清楚：

核心思路 #

gensim的Word2Vec默认通过iter参数一次性完成所有迭代，但这种方式没法在中间插入你的向量提取逻辑。我们可以拆分流程：先初始化模型并构建词汇表，然后手动循环执行每一轮训练，每完成N轮就提取一次词向量。

具体代码实现 #

第一步：初始化模型并构建词汇表 #

首先，我们先创建模型实例，注意不要设置iter参数（或者设为0），然后用你的语料构建词汇表：

from gensim.models import Word2Vec
import json

# 你的训练语料（比如列表形式的句子集合，每个句子是分词后的词列表）
test_set = ... 

# 初始化Word2Vec模型，参数和你原来的一致
embedding_model = Word2Vec(
    size=300, 
    window=4, 
    workers=6, 
    sg=1, 
    min_count=10,
    seed=42  # 可选：设置随机种子，保证训练结果可复现
)
# 用语料构建词汇表
embedding_model.build_vocab(test_set)

第二步：手动循环训练并按间隔保存向量 #

接下来，我们循环执行300轮训练，每50轮就保存一次词向量：

total_iterations = 300  # 总迭代次数，对应你原来的iter=300
save_interval = 50      # 每隔50次迭代保存一次

for iter_num in range(total_iterations):
    # 执行一轮训练：epochs=1表示只跑当前这一轮
    embedding_model.train(
        test_set,
        total_examples=embedding_model.corpus_count,
        epochs=1
    )
    
    # 检查是否到达保存间隔
    if (iter_num + 1) % save_interval == 0:
        # 把词和向量转换成D3易处理的格式
        vector_data = []
        for word in embedding_model.wv.vocab:
            # 把numpy数组转成列表，方便JSON序列化
            vec_list = embedding_model.wv[word].tolist()
            vector_data.append({"word": word, "vector": vec_list})
        
        # 保存到JSON文件（文件名带迭代次数，方便D3按顺序加载）
        with open(f"word_vectors_iter_{iter_num+1}.json", "w", encoding="utf-8") as f:
            json.dump(vector_data, f, ensure_ascii=False)
        
        print(f"第 {iter_num+1} 次迭代的词向量已保存！")

关键细节说明 #

• 为什么手动循环？：gensim的内置迭代逻辑没有提供中间回调的接口，手动循环能让你完全控制每一轮训练后的操作，不管是保存向量、打印日志还是做其他分析。
• 每次训练只跑一轮：train方法的epochs=1参数确保每次循环只执行一轮迭代，循环300次就和你原来设置iter=300的训练次数完全一致。
• 向量格式适配D3：我们把向量转换成列表并封装成包含word和vector的字典，这样D3加载JSON后可以直接用来做动态可视化（比如力导向图、降维后的散点图）。
• 如果要每次迭代都提取：只需要去掉保存间隔的判断，每次循环都执行向量提取和保存操作即可。

内容的提问来源于stack exchange，提问作者KiWiChoco