使用tmcn.word2vec和word2vec注意的问题指南

1）word2vec的自编译函数在使用时也需要加载tmcn.word2vec包，否则会出现以下error：

Error in.C（＂CWrapper_word2vec＂，train_file=as.character（train_file），

：

C symbol name＂CWrapper_word2vec＂not in load table(www.xing528.com)

2）tmcn.word2vec与word2vec自编译互补。在require（tmcn.word2vec）之后，可以直接调用word2vec函数，自编译函数也可以调节参数，而且有一个特殊的功能，可以自行聚类，并且可以通过cbow=0的参数选择使用CBOW模型还是Skip-gram模型，通过binary=0参数可以调整输出的是txt文件，而tmcn.word2vec包中输出只有.bin文件，难以读取。

3）tmcn.word2vec与word2vec自编译中两个word2vec生成不一样的语料库，同时执行distance函数之后也计算不一样的词距离。语料库不同的原因，也许是因为CBOW模型与Skip-gram模型在抽取近邻词的时候采用随机抽样的方法，所以会产生不一样的结果。

4）最佳的使用tmcn.word2vec步骤：加载包（require（tmcn.word2vec））、执行自编译函数（word2vec/distance）、设定随机数（set.seed）这很关键，会影响输出结果）、用自编译函数来执行分析任务（选择模型、是否聚类、是否输出txt文件、词维度和词数量等）。