我对 word2vec 完全陌生，所以请多多包涵。我有一组文本文件，每个文件都包含一组推文，介于 1000-3000 之间。我选择了一个常用关键字（“kw1”），并希望使用 word2vec 为“kw1”找到语义相关的术语。例如，如果关键字是“apple”，我希望根据输入文件看到相关术语，例如“ipad”“os”“mac”……。因此，“kw1”的这组相关术语对于每个输入文件都是不同的，因为 word2vec 将在单个文件上进行训练（例如，5 个输入文件，在每个文件上运行 word2vec 5 次）。

我的目标是在给定通用关键字（“kw1”）的情况下为每个输入文件找到相关术语集，这些关键字将用于其他目的。

我的问题/疑问是：

• 将 word2vec 用于这样的任务是否有意义？考虑到输入文件的小尺寸，使用它在技术上是否正确？

我已经从 code.google.com 下载了代码：https ://code.google.com/p/word2vec/并且刚刚对其进行了试运行，如下所示：

 time ./word2vec -train $file -output vectors.bin -cbow 1 -size 200 -window 10 -negative 25 -hs 1 -sample 1e-3 -threads 12 -binary 1 -iter 50

./distance vectors.bin 

• 从我的结果中，我看到当我使用“距离”工具获取与“kw1”相关的术语时，我得到了很多嘈杂的术语（停用词）。所以我确实删除了停用词和其他嘈杂的术语，例如用户提及。但是我还没有看到 word2vec 需要清理输入数据的任何地方......？

• 如何选择合适的参数？当我更改“-window”、“-iter”等参数时，我看到结果（通过运行距离工具）变化很大。我应该使用哪种技术来找到参数的正确值。（我无法进行手动试验和错误，因为我将扩大数据集）。