stanford-nlp - 为什么 ConceptNet Numberbatch 词嵌入对类比查询的结果很差？

Question

我一直在对一些公开可用的词嵌入进行类比查询，特别是使用以下内容：

• numberbatch-en-19.08来自https://github.com/commonsense/conceptnet-numberbatch
• glove.42B.300d来自https://nlp.stanford.edu/projects/glove/
• glove.840B.300d来自https://nlp.stanford.edu/projects/glove/

我正在做一些基本查询，包括（queryTarget我在哪里寻找）：

baseSource:baseTarget :: querySource:queryTarget 例如man:woman :: king:queen

• 最大化cosine_similarity(baseTarget-baseSource, queryTarget-querySource)
• 最大化cosine_similarity(baseTarget-baseSource, queryTarget-querySource) * cosine_similarity(baseTarget-queryTarget,baseSource-querySource)
• 最小化 L2norm(baseTarget-baseSource+querySource, queryTarget)

对于查询： man:woman :: king:?

数据为我提供了各种匹配策略的glove正确queen, lady,princess结果。但是，conceptnet 将female_person, adult_female,king_david's_harp列为前 3 名，这是我没想到的（女王不在前 20 名中）。同样，我看到糟糕的结果经常取代我在手套结果中看到的预期结果。

在使用之前，conceptnet 嵌入是否需要进行某种额外的调整？还是它只是不适合/不适合英语类比？