在word2vec中训练中文语料时用的是下载好的预模型，在训练时能指定不过滤掉一些特殊的英文字符吗

在使用已经训练好的预模型来训练中文语料时，一般情况下会自动过滤掉特殊的英文字符，因为预训练模型是根据大量的英文语料训练出来的，其中包含的英文字符信息已经很充分了，所以不需要再额外添加。

如果你想要在训练时保留一些特殊的英文字符，可以考虑自己重新训练一个word2vec模型。在训练时，可以通过设置参数来控制是否过滤掉特定的字符。比如，可以使用`word2vec.Word2Vec`中的`word2vec.LineSentence`类来读取文本文件，然后使用`word2vec.Word2Vec`中的`min_count`参数来控制是否过滤掉某些字符。具体来说，可以将`min_count`设置为1，这样所有出现过的字符都会被保留下来。

示例代码如下：

from gensim.models import word2vec

# 设置训练参数
params = {
    'size': 100,     # 词向量维度
    'window': 5,     # 窗口大小
    'min_count': 1,  # 最小词频
    'workers': 4     # 并行数
}

# 读取文本文件，每行作为一个句子
sentences = word2vec.LineSentence('text.txt')

# 训练模型
model = word2vec.Word2Vec(sentences, **params)

在上面的示例代码中，我们将`min_count`设置为1，这样所有出现过的字符都会被保留下来。如果你希望在训练时保留一些特定的英文字符，可以将这些字符加入到文本文件中，然后通过设置`min_count`参数来保留它们。