Question

当我使用R rword2vec包来计算文本正文中的单词类比时，我会得到很棒的直观答案。然而，当我使用bin_to_txt输出单词向量时，然后阅读这些并使用text2vec包计算类比，我得到了非常低质量的答案。

这两个软件包如何计算类比是否存在差异，如果是这样，如何在没有此软件包的情况下重现rword2vec的计算？不幸的是，我无法在我需要在生产中使用的机器上安装rword2vec。

在下面的例子中，我使用了类比王：queen :: man：_。使用相同的向量，rword2vec给了我＆＃34;女人＆＃34;，＆＃34;女孩＆＃34;和＆＃34;金发＆＃34;和使用sim2的text2vec方法给了我＆＃34; man＆＃34;，＆＃34; ahab＆＃34;和＆＃34; king＆＃34;。我怎么搞砸后一种方法？

以下代码用于复制：

# Text file: http://mattmahoney.net/dc/text8.zip
# USING rword2vec
# require(devtools)
# install_github("mukul13/rword2vec")
require(rword2vec)

file1="C:\\Users\\bdk\\Downloads\\text8"

model = word2vec(train_file = file1, output_file = "vec_repro.bin",binary=1)

anal1 = word_analogy(file_name = "vec_repro.bin",search_words = "king queen man",num = 20)
print(anal1)
# first 10 results:
# word              dist
# 1       woman 0.718326687812805
# 2        girl 0.607264637947083
# 3      blonde  0.56832879781723
# 4        lady 0.518971383571625
# 5      lovely 0.515585899353027
# 6    stranger 0.504840195178986
# 7      ladies 0.500177025794983
# 8      totoro 0.497228592634201
# 9        baby 0.497049778699875
# 10   handsome 0.490864992141724

bin_to_txt("vec_repro.bin","vector_repro.txt")

# Read in these word vectors and do the same calculation but with text2vec
require(text2vec)
data1=as.data.frame(read.table("vector_repro.txt",skip=1))
vocab_all2 <- data1
rownames(vocab_all2) <- vocab_all2[,1]
vocab_all2$V1 <- NULL
colnames(vocab_all2) <- NULL
vocab_all2 <- vocab_all2[complete.cases(vocab_all2),]
vocab_all3 <- data.matrix(vocab_all2)

guess1 <- (
  vocab_all3["king", , drop = FALSE] -
    vocab_all3["queen", , drop = FALSE] +
    vocab_all3["man", , drop = FALSE]
)

cos_sim = sim2(x = vocab_all3, y = guess1, method = "cosine", norm = "l2")
head(sort(cos_sim[,1], decreasing = TRUE), 10)
# first 10 results:
# man      ahab      king       god   prophet   faramir   saladin      saul      enki   usurper 
# 0.7212826 0.4715135 0.4696279 0.4625656 0.4522798 0.4391127 0.4358722 0.4326022 0.4310836 0.4300992

R text2vec和rword2vec类比结果在包之间有所不同

0 个答案: