word2vecをmacにインストールして、愛って何か、聞いてみた。
結構古い情報が多く、意外とインストールするだけで一苦労だったword2vec。特にMacにインストールしようとして、苦労したという人が多いようなので、最新（2019年8月27日）に試して成功したプロセスを書いておきます。
（１）まずはword2vecのcloneをしよう。
ターミナルを立ち上げ、word2vecのフォルダを保存したい場所まで行き、以下のコードを入力します。
git clone https://github.com/svn2github/word2vec.gitそうすると、以下のような出力結果になり、成功します。
Cloning into 'word2vec'...
remote: Enumerating objects: 136, done.
remote: Total 136 (delta 0), reused 0 (delta 0), pack-reused 136
Receiving objects: 100% (136/136), 115.80 KiB | 224.00 KiB/s, done.
Resolving deltas: 100% (106/106), done.ちなみに公式のhttp://word2vec.googlecode.com/svn/trunk/を叩くと失敗することに注意。
（２）まずはword2vecに移動します。
$cd word2vec/ まずは上のような感じでword2vecに移動します。このあと、makeを試すとエラーが出てしまうので、注意してください。ちなみにこんなエラーが出て困ることになります。
gcc word2vec.c -o word2vec -lm -pthread -O3 -march=native -Wall -funroll-loops -Wno-unused-result
gcc word2phrase.c -o word2phrase -lm -pthread -O3 -march=native -Wall -funroll-loops -Wno-unused-result
gcc distance.c -o distance -lm -pthread -O3 -march=native -Wall -funroll-loops -Wno-unused-result
distance.c:18:10: fatal error: 'malloc.h' file not found
#include <malloc.h>
^~~~~~~~~~
1 error generated.Mac版だとmalloc.hがstdlib.hになっているらしいんですね。そのため、以下のように修正してください。
$ vim distance.c
18行目を変更
#include <malloc.h>
↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
#include <stdlib.h>
$ vim word-analogy.c
18行目を変更
#include <malloc.h>
↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
#include <stdlib.h>
$ vim compute-accuracy.c
19行目を変更
#include <malloc.h>
↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
#include <stdlib.h>ここではvimで編集をしていますが、vimに慣れていない場合は直接テキストを開いて、上書き保存するのでもいいです。
（３） makeしよう！
gcc word2vec.c -o word2vec -lm -pthread -O3 -march=native -Wall -funroll-loops -Wno-unused-result
gcc word2phrase.c -o word2phrase -lm -pthread -O3 -march=native -Wall -funroll-loops -Wno-unused-result
gcc distance.c -o distance -lm -pthread -O3 -march=native -Wall -funroll-loops -Wno-unused-result
distance.c:45:19: warning: implicitly declaring library function 'malloc' with type 'void *(unsigned long)'
[-Wimplicit-function-declaration]
vocab = (char *)malloc((long long)words * max_w * sizeof(char));
^
distance.c:45:19: note: include the header <stdlib.h> or explicitly provide a declaration for 'malloc'
distance.c:30:8: warning: unused variable 'ch' [-Wunused-variable]
char ch;
^
2 warnings generated.
gcc word-analogy.c -o word-analogy -lm -pthread -O3 -march=native -Wall -funroll-loops -Wno-unused-result
word-analogy.c:45:19: warning: implicitly declaring library function 'malloc' with type 'void *(unsigned long)'
[-Wimplicit-function-declaration]
vocab = (char *)malloc((long long)words * max_w * sizeof(char));
^
word-analogy.c:45:19: note: include the header <stdlib.h> or explicitly provide a declaration for 'malloc'
word-analogy.c:30:8: warning: unused variable 'ch' [-Wunused-variable]
char ch;
^
2 warnings generated.
gcc compute-accuracy.c -o compute-accuracy -lm -pthread -O3 -march=native -Wall -funroll-loops -Wno-unused-result
compute-accuracy.c:28:109: warning: unused variable 'ch' [-Wunused-variable]
char st1[max_size], st2[max_size], st3[max_size], st4[max_size], bestw[N][max_size], file_name[max_size], ch;
^
1 warning generated.
chmod +x *.sh
kubotanozomunoMacBook-Air:word2vec kubotanozomu$ word2vec
-bash: word2vec: command not found
kubotanozomunoMacBook-Air:word2vec kubotanozomu$ make
gcc distance.c -o distance -lm -pthread -O3 -march=native -Wall -funroll-loops -Wno-unused-result
distance.c:31:8: warning: unused variable 'ch' [-Wunused-variable]
char ch;
^
1 warning generated.
gcc word-analogy.c -o word-analogy -lm -pthread -O3 -march=native -Wall -funroll-loops -Wno-unused-result
word-analogy.c:31:8: warning: unused variable 'ch' [-Wunused-variable]
char ch;
^
1 warning generated.
gcc compute-accuracy.c -o compute-accuracy -lm -pthread -O3 -march=native -Wall -funroll-loops -Wno-unused-result
compute-accuracy.c:29:109: warning: unused variable 'ch' [-Wunused-variable]
char st1[max_size], st2[max_size], st3[max_size], st4[max_size], bestw[N][max_size], file_name[max_size], ch;
^
1 warning generated.
chmod +x *.shエラーは出るのですが、これでmakeはできます。
$chmod +x *.sh（４）データを入れてみよう
curl http://mattmahoney.net/dc/text8.zip >text8.zipこのように入れます。その次は解凍をします。上の命令でtext8.zipをダウンロードした状態のため、以下のように解凍しましょう。
unzip text8.zip解凍をした時に以下のようなエラーが出ることがあります。
End-of-central-directory signature not found. Either this file is not
a zipfile, or it constitutes one disk of a multi-part archive. In the
latter case the central directory and zipfile comment will be found on
the last disk(s) of this archive.
unzip: cannot find zipfile directory in one of text8.zip or
text8.zip.zip, and cannot find text8.zip.ZIP, period.これはzipのダウンロードが途中で終わってしまっているときなどにおきます。僕も同じ体験をしました。その場合は、もう一度、 `curl http://mattmahoney.net/dc/text8.zip >text8.zip` をしてから `unzip text8.zip` をすると良いでしょう。
Archive: text8.zip
inflating: text8
このようになって、成功します。では、早速
bash demo-word.sh
以下のようにトレーニングが開始されます。
Starting training using file text8
Vocab size: 71291
Words in train file: 16718843
Alpha: 0.043312 Progress: 13.38% Words/thread/sec: 79.32k こんな風にカウントアップされていきます。Progressとなっている箇所が100%になると、完了です。完了すると、
chmod +x *.sh
Starting training using file text8
Vocab size: 71291
Words in train file: 16718843
Alpha: 0.000005 Progress: 100.10% Words/thread/sec: 78.63k
real 16m46.621s
user 53m7.187s
sys 0m19.179s
Enter word or sentence (EXIT to break): と出ます。では、早速、word2vecに愛って何か、聞いてみましょう。
（５）loveを入力してみる
さて、早速、loveという単語を入れてみると、以下のようになります。
Word: love Position in vocabulary: 611
Word Cosine distance
------------------------------------------------------------------------
unrequited 0.635158
loving 0.561034
loves 0.547625
heartbreaker 0.515660
longing 0.504907
brotherly 0.503582
melancholy 0.500771
my 0.497416
me 0.493608
passionate 0.490497
tenderness 0.488820
philia 0.488741
lover 0.484336
conjugal 0.483491
affection 0.483430
akhana 0.483353
sensual 0.480112
despair 0.478886
lust 0.473581
loneliness 0.472902
pity 0.465127
passion 0.465012
intimacy 0.462090
kiss 0.458822
faithfulness 0.458746
duet 0.457456
delight 0.456441
gloom 0.454172
behn 0.453928
unfaithful 0.452306
girl 0.450969
songs 0.447318
pseudolus 0.446422
boyfriend 0.446385
behold 0.445813
sleepless 0.445576
courtly 0.444662
feelings 0.444635
beloved 0.444139
thighs 0.443309
もっとも類似している言葉をword2vecが探し出してくれました。上から見ていきましょう。
unrequited 0.635158
loving 0.561034
loves 0.547625
heartbreaker 0.515660
longing 0.504907
brotherly 0.503582
melancholy 0.500771
my 0.497416
me 0.493608
passionate 0.490497これを日本語にすると、
片思い 0.635158
愛すること 0.561034
愛する人 0.547625
失恋 0.515660
憧れ 0.504907
兄弟同様の 0.503582
憂鬱 0.500771
私の 0.497416
私 0.493608
情熱的 0.490497激しく切ない・・・。
憧れている人がいて、その人に対していつしか片思いになってしまい、片思いしている相手に情熱的に恋愛するも、相手は兄弟同様だと思っていて、失恋して憂鬱。みたいなドラマのワンシーンが思い浮かぶかのようです。
愛って切ないものなのかもしれませんね・・・。（どういうまとめ！）
（６）likeと入力してみる
では、loveとlikeはどう違うのでしょうか。likeを叩いてみましょう。
Word: like Position in vocabulary: 132
Word Cosine distance
------------------------------------------------------------------------
resemble 0.544820
such 0.535207
similar 0.508876
unlike 0.508397
resembling 0.494937
look 0.472386
other 0.457360
looks 0.433398
do 0.428802
similarly 0.427285
confuse 0.424743
familiar 0.420907
feel 0.420001
etc 0.415029
depict 0.410830
imagine 0.408885
pointy 0.406764
pretty 0.404030
behave 0.400227
many 0.397723
say 0.394682
flattened 0.390301
prefer 0.388824
exotic 0.388110
pronounce 0.387057
whereas 0.386854
akin 0.386525
anthropomorphic 0.385220
sucks 0.384073
seem 0.383606
lizard 0.383105
disgusting 0.379794
screams 0.379031
distinctively 0.378156
imitate 0.376723
ears 0.375655
commendable 0.372813
imitating 0.372683
superficially 0.367880
kindly 0.367712これも上位のキーワードを分析していきます。
resemble 0.544820
such 0.535207
similar 0.508876
unlike 0.508397
resembling 0.494937
look 0.472386
other 0.457360
looks 0.433398
do 0.428802
similarly 0.427285これを日本語にすると、以下のようになります。
似ている 0.544820
そんな 0.535207
類似性 0.508876
好きではない 0.508397
似る 0.494937
見た目 0.472386
他 0.457360
見る 0.433398
する 0.428802
同様に 0.427285残念ながら、like は英語表現の場合、「Like A Rolling Stone」みたいに、「ーのような」という表現で使われるため、愛に近いニュアンスのlikeを抽出できませんでした。
サポートされた費用は、また別のカンファレンス参加費などに当てようと思います。