但是model中没有build_vocab与train函数

非常抱歉，我之前的回答有误。正确的做法是，需要用新的数据重新训练一个新的Word2Vec模型，然后将它与原始模型合并。具体步骤如下：

1. 加载原始的Word2Vec模型：

from gensim.models import KeyedVectors

model_file = "path/to/model.bin"
model = KeyedVectors.load_word2vec_format(model_file, binary=True)

2. 加载新的数据，并用它训练一个新的Word2Vec模型：

from gensim.models import Word2Vec
from gensim.models.word2vec import LineSentence

new_data = "path/to/new/data.txt"
new_sentences = LineSentence(new_data)

new_model = Word2Vec(size=model.vector_size, min_count=model.vocabulary.min_count)
new_model.build_vocab(new_sentences)
new_model.train(new_sentences, total_examples=new_model.corpus_count, epochs=new_model.epochs)

3. 将新模型中的词向量合并到原始模型中：

model.build_vocab([list(new_model.wv.vocab.keys())], update=True)
model.intersect_word2vec_format("path/to/new/model.bin", binary=True, lockf=1.0)

这样就可以将新的数据添加到原始模型中进行训练了。需要注意的是，新模型的超参数需要根据具体情况进行调整。而且，如果新数据和原始数据的语料库有较大差异，合并后的模型效果可能不如单独训练新模型。