最近在研究Minkolov開發的RNNLM toolkit，其主頁（http://www.fit.vutbr.cz/~imikolov/rnnlm/）上掛出來一個“根據生成好的詞向量檔案來計算與使用者輸入的目標單詞最近鄰的top-N個單詞”的小程式（http://www.fit.vutbr.cz/~imikolov/rnnlm/distance.c），讀了一下並對程式碼做了些註釋，雖然比較簡單，但還是分享出來，供大家交流~~ 水平有限，難免錯誤和疏漏，還請各位老師多多批評指教，謝謝！
首先貼一張詞向量檔案的樣例圖，有助於對原始碼的理解。其中，檔案第一行為“ 單詞個數 詞向量維度”，後續為“詞彙 詞向量”。下圖展示的詞向量檔案中共有82390個單詞，每個單詞的詞向量維度為80。

#include <stdio.h>
#include <string.h>
#include <math.h>
#include <sys/malloc.h> //原始版本是#include<malloc.h>，由於博主本人OS X系統，修改後gcc才能編譯通過

const int max_size=2000;  //最大字串長度
const int N=40; //選取N個距離最接近的單詞
const int max_w=50;  //最大單詞長度

int main(int argc, char **argv)
{
    FILE *f;
    char
 
 st1[max_size], bestw[N][max_size], file_name[max_size];
    float dist, len, bestd[N];
    int words, size, a, b, c, d;
    float *M;
    char *vocab;

    if (argc<2) {
    printf("Usage: ./dist <FILE>\nwhere FILE contains word projections\n"); //列印輸出：“用法：./dist <FILE> \n FILE為儲存詞向量的檔案的名稱"
 

    return 0;
    }

    strcpy(file_name, argv[1]); //將詞向量檔名賦值給filename變數

    f=fopen(file_name, "rb"); //只讀開啟一個二進位制檔案，只允許讀資料
    if (f==NULL) {printf("Input file not found\n"); return -1;} //w檔案讀取失敗，退出程式
    fscanf(f, "%d", &words); //讀入詞向量檔案中包含的單詞個數
    fscanf(f, "%d", &size); //讀入詞向量檔案中每個詞向量的維度

    vocab=(char *)malloc(words*max_w*sizeof(char)); //申請用於儲存詞彙表的動態記憶體空間
    M=(float *)malloc(words*size*sizeof(float)); //申請用於儲存詞向量的動態記憶體空間（M先用於儲存詞向量，而後更新為每個詞向量的單位向量）
    if (M==NULL) { //空間申請失敗，退出程式
        printf("Cannot allocate memory: %d MB\n", words*size*sizeof(float)/1048576);
        return -1;  
    }

    for (b=0; b<words; b++) { // 
        fscanf(f, "%s", &vocab[b*max_w]); //從詞向量檔案中讀入一個單詞，寫到當前詞彙的末尾
        for (a=0; a<size; a++) fscanf(f, "%f", &M[a+b*size]); //從詞向量檔案中讀入當前單詞所對應的詞向量，寫到當前M的末尾
        len=0;
        for (a=0; a<size; a++) len+=M[a+b*size]*M[a+b*size]; //計算當前單詞的詞向量的模的平方（向量中每個元素的平方和）
        len=sqrt(len); //計算當前單詞的詞向量的模
        for (a=0; a<size; a++) M[a+b*size]/=len;  //計算每個詞向量的單位向量，存於M
    }

    for (a=0; a<words*max_w; a++) vocab[a]=toupper(vocab[a]); //將詞彙表中的每個字元都轉換為大寫英文字母
    fclose(f);  //關閉詞向量檔案

    while (1) {
        for (a=0; a<N; a++) bestd[a]=0; //初始化儲存最近距離的陣列bestd
        for (a=0; a<N; a++) bestw[a][0]=0; //初始化儲存距離最近單詞的陣列bestw

        printf("Enter word (EXIT to terminate): "); //輸出提示：輸入待查詢的目標單詞，輸入EXIT退出
        scanf("%s", st1); //讀取使用者的輸入
        for (a=0; a<strlen(st1); a++) st1[a]=toupper(st1[a]); //將使用者輸入的單詞轉化為大寫字母的形式
        if (!strcmp(st1, "EXIT")) break;  //如果使用者輸入為EXIT，則退出while迴圈

        for (b=0; b<words; b++) if (!strcmp(&vocab[b*max_w], st1)) break; //遍歷詞彙表，找到與輸入詞彙相匹配的單詞時跳出for迴圈；或者直到迴圈結束

        if (b==words) //如果前一個迴圈退出時，計數器數值大於詞彙表中的單詞數目，則表示沒有找到使用者輸入的單詞
            printf("Word was not found in dictionary\n"); 
        else { //在詞彙表中找到了使用者輸入的單詞，且位於詞彙表的第b位
            for (c=0; c<words; c++) { //針對詞彙表中的每個單詞進行查詢
                dist=0; //初始化距離為0
                for (a=0; a<size; a++) dist+=M[a+b*size]*M[a+c*size]; //計算位於詞彙表第b位的目標詞與當前遍歷到的詞彙表中的第c個單詞的單位詞向量之間的點積，存於dist

                //針對現有的最近鄰單詞表進行考量（bestd：儲存top-N個最近距離，按距離從小到大進行維護；bestw：儲存top-N個最近鄰單詞）
                for (a=0; a<N; a++) {
                    if (dist>bestd[a]) { //找到當前dist合適的位置a，並將最近鄰表中的後續元素依次後移一位(從後往前處理)
                        for (d=N-1; d>a; d--) {
                            bestd[d]=bestd[d-1];
                            strcpy(bestw[d], bestw[d-1]);
                        }
                        bestd[a]=dist; //下兩句將找到的近鄰詞（詞彙表中的第c個）相關資訊賦給最近距離表及最近鄰單詞表
                        strcpy(bestw[a], &vocab[c*max_w]);
                        break;
                    }
                }
           }

            printf("Closest words:\n"); //輸出“最接近的單詞為：”
            for (a=0; a<N; a++) printf("%20s\t\t%f\n", bestw[a], bestd[a]); //依次將最接近的40個單詞按照：“單詞  距離”的格式輸出
       }
    }

    return 0;
}