我可以访问我感兴趣的文本语料库中的单词向量。现在，我面临的问题是这些向量是区分大小写的，即例如“他”与“他”不同于“HIM”。
我想找到与“他”这个词最相似的词是一种不区分大小写的方式。我使用与google word2vec包捆绑在一起的distance.c程序。这是我遇到问题的地方。
我应该将“他是他”作为参数传递给distance.c可执行文件。这将返回发送的单词关闭到3个单词。
或者我应该分别使用3个参数（“他”和“他”和“HIM”）中的每一个运行distance.c程序，然后以合理的方式将这些列表放在一起以得到最相似的单词？请建议。
答案 0 :(得分：0)
如果要以不区分大小写的方式查找相似的单词，则应将所有单词向量转换为小写或大写，然后运行已编译的distance.c版本。
使用标准shell工具很容易做到。
例如，如果原始数据位于名为input.txt的文件中，则以下内容适用于大多数类似Unix的shell。
tr '[:upper:]' '[:lower:]' < input.txt > output.txt
答案 1 :(得分：0)
您可以将二进制格式转换为文本，然后根据需要进行操作。