Spec2Vec中的bugs

Spec2Vec

前言：自己最近在做的工作是LC-MS解谱相关的工作，PLoS Computational Biology在今年2月也发表了发表了一篇题为 Spec2Vec: Improved mass spectral similarity scoring through learning of structural relationships 的文章。该文章介绍了一种新的计算质谱相似度的方法。新的算法Spec2Vec是基于自然语言处理中Word2Vec改进而来，与传统的余弦相似度相比，Spec2Vec提高了质谱相似度与结构相似度之间的相关性。该模块是使用Python编写的，但安装该模块运行后发现有几个bugs，因此发出来大家一起分享一下，希望自己踩过的坑别人就不要再踩了，毕竟还是很新的文章，在写这篇博客前还没搜到国内有相关的介绍……

安装

因为是Python，安装非常方便，使用pip或者anaconda都可以。

pip install spec2vec
pip install gensim

Bugs

直接运行文档中给出的demo后，报错了……

TypeError: __init__() got an unexpected keyword argument 'size'

当然实际运行下来错误不止这一个，折腾了我好久才弄好，总结起来都是几个参数名称的错误

找到自己安装Python的路径，进入安装spec2vec的文件夹
Python>Lib>site-packages>spec2vec

model_building.py中，
set_spec2vec_defaults(**settings)函数，107行，defaults里面的键 “size” 改为 "vector_size"

learning_rates_to_gensim_style(num_of_epochs, **settings)函数，135行，settings的键 “iter” 改为 "epochs"

Spec2Vec.py中，_get_word_decimals(model)函数，181行，model.wv.vocab 改为 model.wv.key_to_index

vector_operations.py中，_check_model_coverage()函数，第51行，同样是 model.wv.vocab 改为 model.wv.key_to_index

为什么会有这种错误

因为Spec2Vec是基于Gensim的，在Gensim 3.X到4.X版本升级中，有几个参数的名字发生了变化，具体见下：
https://github.com/RaRe-Technologies/gensim/wiki/Migrating-from-Gensim-3.x-to-4
前面两个错误size和vector_size，iter和epochs，都是Spec2Vec 在内部两个模块调用之间出错的，估计是两个人写的模块，一个人按照3.X版本的接口名称来写，另一个按4.X来写。
至于vocab和key_to_index，就是在用3.X的接口来调用了4.X的Gensim。
所以说但凡文章作者发出来前完整地把这玩意跑一遍，都不至于这会有这么简单的错误！！！

关于Spec2Vec的使用，请看楼主的另一篇博文：
Spec2Vec快速入门