word2vec工具包距离脚本

Question

我正在使用＆＃34;距离＆＃34;脚本在我建立的word2vec上找到类似的单词。它包含大约160万字，并由此命令训练：

./word2vec -train processed-text-2016.txt -output vec-cbow-neg.txt -debug 2 -threads 5 -size 300 -window 10 -sample 1e-3 -negative 10 -hs 0 -binary 0 -cbow 1 > w2v-neg.log &

我的问题是当我输入任何单词时，我会得到以下结果： 输入单词或句子（EXIT to break）：rt

单词：rt在词汇中的位置：658253

字余弦距离

                                     -0.000451              0.494857
                                        356414              0.477918
                                             9              0.441466
                                            83              0.432876
                                            63              0.431347
                                     -0.020525              0.429472
                                       .047345              0.425791
                                            36              0.423420
                                           242              0.418320
                                         ...                   ...

输入单词或句子（EXIT to break）：nd

单词：nd词汇位置：336527

字余弦距离

                                             3              0.494377
                                           489              0.492153
                                           632              0.483827
                                      0.002335              0.462591
                                          0693              0.458801
                                        036869              0.452456
                                        036819              0.447690
                                            31              0.443887
                                         ...                   ...

输入单词或句子（EXIT to break）：和

单词：和词汇中的位置：1600843

字余弦距离

                                        080852              0.451752
                                            57              0.438413
                                         16577              0.437900
                                             4              0.433538
                                       .005464              0.429279
                                        003131              0.422587
                                         17380              0.420614
                                             9              0.419624
                                          5082              0.419569
                                      0.019322              0.417945
                                       .000435              0.417265
                                        115991              0.414139
                                         ...                   ...

输入单词或句子（EXIT to break）：happy

单词：词汇中的快乐位置：-1 字典词！ 输入单词或句子（EXIT to break）：man

单词：man in rsocabulary：470143

字余弦距离

                                      0.055039              0.488181
                                          4793              0.455608
                                         90743              0.454786
                                        060493              0.453180
                                            36              0.451387
                                             6              0.450261
                                             4              0.445118
                                           830              0.442580
                                           490              0.439919
                                      0.025327              0.437766
                                      0.005571              0.436606
                                      0.001964              0.436544
                                     -0.012627              0.434358
                                         ...                   ...

输入单词或句子（EXIT to break）：女性

单词：女性词汇量：-1 字典词！ 输入单词或句子（EXIT to break）：queen

单词：女王在词汇中的位置：-1

如果我从模型文件（文本文件）中搜索这些单词，我会发现它们，所以我不确定为什么会发生这种情况或者如何解决这个问题？是因为数据中的噪音（我对此感到沮丧）还是我使用过的参数？

Answer 1

答案就是我使用模型的文本格式而不是二进制格式...