【发布时间】：2017-07-14 18:41:11
【问题描述】：
我从 fastText Github 存储库页面下载了预训练的英语维基百科向量文件 (wiki.en.vec)，并尝试按照 Mikolov 的 word2vec 论文的第一篇中所述计算句法和语义类比任务的准确性，如下所示：
我只是通过 make 构建了 word2vec 存储库。
我运行了./compute-accuracy wiki.en.vec 0 < questions-words.txt，即，我将预训练的向量文件与阈值 0 一起从 word2vec 传递给计算精度二进制文件，以便考虑整个词汇表，而不是默认将其限制为 30000，并且我还使用< 发送精度计算数据集questions-words.txt，因为我注意到代码从标准输入读取数据集。
作为回应，我只是得到了一堆像下面这样的 NaN。即使我将阈值更改为 30000 或其他任何值，这也不会改变。
>capital-common-countries:
ACCURACY TOP1: 0.00 % (0 / 1)
Total accuracy: -nan % Semantic accuracy: -nan % Syntactic accuracy: -nan %
有人能解释一下为什么英语预训练向量似乎不适用于 word2vec 的准确度计算代码吗？我查看了compute-accuracy.c，它看起来确实需要标准矢量文件格式约定，我也查看了wiki.en.vec，它看起来确实像标准约定格式。
此外，在 fastText 论文中，提出了使用 fastText 向量的词类比精度，并且该论文引用了 Mikolov 的 word2vec 论文——显然，使用了相同的数据集，并且可能使用了相同的 word2vec compute-accuracy.c 文件来获得提出的数字。那么有人可以解释一下出了什么问题吗？
【问题讨论】：
-
对于对此投反对票的人：还请在此处评论该问题缺少的内容，以便我进行必要的改进。简单地否决我的问题而不提供反馈以改进是不公平的。