是的，KeyedVectors是用来获取词向量的，而添加新词向量需要使用KeyedVectors的父类Word2Vec。修改后的代码如下：

import numpy as np from gensim.models import KeyedVectors, Word2Vec

加载预训练模型

model_cn = KeyedVectors.load_word2vec_format(r'sgns.target.word-word.dynwin5.thr10.neg5.dim300.iter5', binary=False, unicode_errors='ignore')

相似的词

similar_words = ['服务设施', '设施设备', '舒适性', '舒适度量表']

计算相似词的平均向量

similar_vectors = [model_cn[word] for word in similar_words if word in model_cn] avg_vector = np.mean(similar_vectors, axis=0)

将新的词向量添加到预训练模型中

model_w2v = Word2Vec.load(r'sgns.target.word-word.dynwin5.thr10.neg5.dim300.iter5') model_w2v.wv.add('设施服务', avg_vector) model_w2v.wv.add('舒适度', avg_vector)

保存新的模型

model_w2v.save('new_model_cn.bin'