fasttext - 提取和比较预先训练过的单词向量

Question

我使用来自https://github.com/facebookresearch/fastText/blob/master/pretrained-vectors.md

的德语预训练单词向量

我遇到了以下问题：

1. 要为我的单词提取向量，我首先只需在wiki.de.vec文本文件中搜索相应的单词。但是，wiki.de.vec文本文件中的向量与print-word-vectors函数输出的向量不同（例如，＆＃39; affe＆＃39;含义＆＃39; monkey＆＃39;的向量不同wiki.de.vec文件而不是print-word-vectors的＆＃39; affe＆＃39;的输出。这是什么原因？我假设发生这种情况是因为一个单词的向量是通过Bojanowski等人在模型中添加其字符 n -gram向量的总和来计算的，但该向量对于＆＃39; affe＆ ＃39;在wiki.de.vec文本文件中反映出来了吗？它是 n -gram＆＃39; affe＆＃39;的矢量？换句话说就像卡拉菲＆＃39;卡拉菲等。因此，在使用这些向量时，是否应始终使用print-word-vectors函数（即添加字符 n -gram向量），而不只需从文本中提取向量-file？
2. 一些真正的德语单词（例如knatschen，resonieren）接收空向量（即使使用print-word-vectors函数）。如果这个子词方法的主要优点是计算词汇外单词的向量，怎么会这样呢？
3. 最近邻函数（./fasttext nn）输出具有余弦距离的单词的最近邻居。但是，此值与通过使用print-word-vectors获取单个单词的向量并使用pdist2(wordVector1, wordVector2, 'cosine')在Matlab中手动计算其余弦距离而获得的值不同。为什么会这样？这是获取两个字向量之间的余弦距离的错误方法吗？

提前感谢您的帮助和建议！