用评价数据集wordsim353对不同词向量评价

评价数据集wordsim353包含353对常见的英语单词，对于每一对单词，都有10个人给出了它们的相似度评分，分值范围从0到10。可以使用这个数据集来评价不同的词向量模型。

比较不同词向量模型的效果时，可以将每一对单词的相似度评分与它们的词向量的余弦相似度进行比较。一般来说，相似度评分越高，词向量的余弦相似度也应该越高。

具体的评价方法是，计算每一对单词的词向量余弦相似度，并将其与相应的相似度评分做比较。可以使用Spearman等级相关系数来衡量两者之间的相关性。Spearman等级相关系数是一种无参数的非参数检验，它不需要假设数据呈正态分布，因此，它适用于不同的词向量模型之间的比较。

在对比不同词向量模型时，可以使用相同的超参数和训练数据来生成这些模型，以保持公平。此外，还可以使用其他数据集进行评估，以更好地了解每个模型的性能。