У меня есть модель word2vec в gensim, которая прошла обучение по 98892 документам. Для любого данного предложения, которого нет в массиве предложений (т. Е. Набора, на котором я обучал модель), мне нужно обновить модель этим предложением, чтобы при следующем запросе к нему были получены некоторые результаты. Я делаю это так:

new_sentence = ['moscow', 'weather', 'cold']
model.train(new_sentence)

и его печать это как журналы:

2014-03-01 16:46:58,061 : INFO : training model with 1 workers on 98892 vocabulary and 100 features
2014-03-01 16:46:58,211 : INFO : reached the end of input; waiting to finish 1 outstanding jobs
2014-03-01 16:46:58,235 : INFO : training on 10 words took 0.1s, 174 words/s

Теперь, когда я запрашиваю с подобным new_sentence для большинства положительных результатов (какmodel.most_similar(positive=new_sentence)) выдает ошибку:

Traceback (most recent call last):
 File "<pyshell#220>", line 1, in <module>
 model.most_similar(positive=['moscow', 'weather', 'cold'])
 File "/Library/Python/2.7/site-packages/gensim/models/word2vec.py", line 405, in most_similar
 raise KeyError("word '%s' not in vocabulary" % word)
  KeyError: "word 'cold' not in vocabulary"

Что указывает на то, что слово «холодный» не является частью словарного запаса, которому я научился (правильно ли я)?

Таким образом, вопрос заключается в следующем: как обновить модель, чтобы она выдавала все возможные сходства для данного нового предложения?