我对一个特定主题有一个普遍的问题。
我使用Word2Vec生成的向量作为功能提供到我的分布式随机森林模型中，用于对某些记录进行分类。我有数百万条记录，并且每天都会收到新的记录。由于新记录的出现，我希望使用与先前记录相同的矢量模型对新记录进行编码。意思是“AT”这个词现在和将来都是同一个载体。我知道Word2Vec使用随机种子来生成语料库中单词的向量，但我想关闭它。我需要设置种子，这样如果我今天在数据的一部分上训练模型，然后再对未来的相同数据进行训练，我希望它为每个单词生成具有完全相同向量的相同模型。生成新模型然后编码的问题在于，编码这些记录需要花费大量时间，然后我的DRF模型用于分类不再有任何好处，因为单词的向量已经改变。所以我必须重新训练一个新的DRF。通常这不会是一个问题，因为我可以只训练一个模型然后永远使用它;但我知道一个好的做法是在常规上更新你的包。这是h2o的一个问题，因为一旦更新，就不能与以前版本生成的模型进行向后比较。
有没有关于如何在python中为h2o设置Word2Vec模型种子的资料？我使用的是Python版本3和h2o版本3.18
h2o-3中的word2vec使用hogwild实现 - 模型参数从多个线程同时更新，并且无法保证此实现中的可重复性。
你的文本语料库有多大？以模型训练减速为代价，您可以获得可重复的结果，限制算法仅使用单个线程（h2o启动参数-nthread）。