# 07d 修正驗證：07c 的 11 項（C1–C4、S1–S4、Y1–Y3）

> 審查對象：`示範實作\_guide_drafts\guide_*.html`、`build_guide.py`、`make_toy_figures.py`（都在 2026-10-06 00:35 被 `patch_guide_07c.py` 改過），以及同一分鐘重組的 `HW1\HW1_一條龍說明.html`
> 事實基準：`_extract2\outputs.txt`（exec n＝In [n]）、`NLP_HW1_submission_draft.ipynb`（cell 33＝In [27]、cell 23＝模板說明）、作業 PDF p28（pdftotext）、`tsne_glove_marked.png`、`tsne_wiki20_marked.png`、`noise_band.png`
> 範圍：只看 07c 的 11 項。Y4（VERIFY 那句）照指示不看；組好的 HTML 裡仍是「第二次的修正尚待驗證」，這是預期中的。
> 審查員沒看過這份文件和之前的審查。除了本檔，沒有改任何檔案。

## 一句話結論

**11 項全部修好。「事實錯誤」和「前後矛盾」等級的問題都是 0。**
組好的 HTML 裡 12 段新文字各出現 1 次，8 段舊文字都是 0 次（「老師建議」全文也是 0 次）。嵌進去的 `noise_band.png` 也是新版。
修正帶出 2 個小問題，加 1 個可以順手改的地方。三個都不是事實錯誤，也不是矛盾：
- N1（風格）：第 7 節對照表的 GloVe 欄列的配對比第 4 節少，看起來像兩本字典有差。
- N2（規範 13）：C2 新句的「例外」只列第 4、7、12 節。第 14 節 Q17 還有一句「t-SNE 保留局部鄰居」，跟「鄰居只用在一個意思」衝突（這句是之前就有的）。
- N3（可選）：S3 的對照表裡，Q4 的 slary 例子在第 10 節，表上沒列。

---

## 一、逐項檢查

| # | 結果 | 現在的原文（證據） | 周邊有沒有新問題 |
|---|---|---|---|
| C1 | ✅ 已修（附帶風格 N1） | guide_results1.html 第 144 行：`<tr><td>有些男女配對黏在一起</td><td>有（boy／girl、man／woman；但 brother／sister、uncle／aunt 分很開）</td><td>有（boy／girl、man／woman、bride／groom、dad／mom、king／queen；但 brother／sister、uncle／aunt 分很開）</td></tr>` | 兩張圖逐點對過，這格寫的每一對都對：GloVe 的 brother (−0.9, 5.5)／sister (3.4, 4.4)、uncle (−0.4, 4.5)／aunt (2.2, 2.1) 都分很開；Wiki 20% 的 man (−7.1, −2.0)／woman (−6.7, −2.2)、king／queen 很近，brother (1.0, 1.7)／sister (−2.8, 4.7)、uncle (1.7, 1.0)／aunt (−3.0, 1.8) 都分很開。沒有錯。**但 GloVe 欄少列了 dad／mom、bride／groom。** 第 4 節第 69 行說 GloVe 有這兩對，而且圖上也真的幾乎重疊。這張是「比一比」的表，讀者會以為只有 Wiki 20% 有這兩對 → N1 |
| C2 | ✅ 已修（附帶規範 N2） | guide_static.html 第 37 行：`<strong>在相似度、鄰居、b − a ＋ c 這些地方，本文說的「近」「最像」都是指方向（夾角小），不是兩點之間的距離。</strong>（例外：第 4、7、12 節看 t-SNE／PCA 圖時說的「近」「黏在一起」，是圖上兩點的距離。）` | 主句加了範圍，第 4、7、12 節的圖都被排除了，原本的矛盾沒有了。**但例外沒列完整**：總結論 #1 寫「t-SNE 圖上部分男女配對貼在一起」，第 14 節 Q17 寫「部分男女配對黏在一起」，也都是在講圖上的距離；第 12 節用的詞是「貼得很緊」，不是「黏在一起」。另外 Q17 最後寫「t-SNE 是非線性的，保留局部鄰居」。第 1 節第 45 行說「鄰居」只用在一個意思（最像的 5 個字，看方向），新句又把「鄰居」列成看方向的地方。但 t-SNE 的近鄰是用 100 維裡的距離算的（07c 已經查過 TSNE 沒設 `metric`）→ N2 |
| C3 | ✅ 已修，沒有新問題 | guide_conclusion.html 第 12 行：`家人／性別 −14.82、動詞第三人稱 −11.26（明顯超過雜訊）；國名→國籍反而 +2.19（超過雜訊但不到 1.5 倍，只當參考）` | 用 exec 35 重算：14.82 ÷ 4.74 ＝ 3.13 倍，11.26 ÷ 2.07 ＝ 5.44 倍，兩個都「明顯超過」；2.19 ÷ 1.69 ＝ 1.296 倍，所以標「只當參考」是對的。跟第 12 節第 43 行（3.13、5.44、1.30 倍）一致 |
| C4 | ✅ 已修，沒有新問題 | guide_submit.html 第 51 行：`交作業這一步，你本人要做三件事——回拍板卡（學校代碼、學號）、在第 6 題最後一行照實寫「What I did」、照上面 4 步打包上傳。程式和報告都已經做好；考試要用的「看懂」，照第 15 節的步驟讀。` | 跟第 15 節第 82 行「第 5～7 步要你本人（回拍板卡、寫 What I did、上傳）」逐項對得上。第 15 節第 60 行的「三件事」（看懂、補上、打包）是另一個範圍，而第 13 節這句一開頭就寫了「交作業這一步」，所以不衝突。「照第 15 節的步驟讀」也找得到（第 1～4、8 步）。小地方：拍板卡其實有 6 題，第 15 節寫「學校代碼、學號等」，這裡少了「等」。不影響理解，不列成問題 |
| S1 | ✅ 已修，沒有新問題 | build_guide.py 第 98 行：`論壇略低（−1.34，超過雜訊 1.26 但不到 1.5 倍，只當參考）`；guide_results3.html Q13：`語法類加總略低 1.34（超過雜訊 1.26 但不到 1.5 倍，只當參考）` | exec 28：37.87 − 36.53 ＝ 1.34；exec 34 語法類雜訊 1.26；1.34 ÷ 1.26 ＝ 1.06 倍。q3 表其他判輸贏的小類，我重算都至少 2.17 倍，所以只有這一列要註明。還用「剛好超過」字樣的三處：g10 第 46 行、g12 第 43 行、g12 第 74 行。三處都帶著「只當參考」，07c 說可以保留。g10 的說明寫「只看有沒有超過，不分是不是 1.5 倍」，這是在講「誰贏」怎麼判；語法類那格的判定還是「論壇略低」，括號只是照第 9 節的承諾補一個註記，不算矛盾 |
| S2 | ✅ 已修，沒有新問題 | guide_static3.html 第 10 行：`原因是助教用 gensim WikiCorpus 的預設參數清資料：模板在 TODO4 前面寫「words with one character were discarded」（只有一個字母的字被丟掉）；筆記本 In [27] 的註解也寫了這個預設「只留 2～15 個字母的英文字」，所以數字（不是字母）也會被拿掉。` | 筆記本 cell 33（execution_count 27）的註解原文：「用跟維基百科一樣的規則前處理：先拿掉網頁語法和網址，再小寫、只留 2～15 個字母的英文字（WikiCorpus 的預設）。」引用正確。模板 cell 23：「we used the default parameters of gensim.corpora.wikicorpus.WikiCorpus … Thus, words with one character were discarded.」也正確。現在兩個出處各自管各自的事 |
| S3 | ✅ 已修，沒有新問題（N3 可選） | guide_results3.html 第 103 行：`Q1～Q2 → 第 1 節觀念 3；Q3 → 第 1 節觀念 4、第 12 節實驗 ③；…；Q18 → 第 6 節、第 12 節實驗 ③。` | **18 題的指向逐一核對，全部指到有講那個主題的節**（見下面第二部分）。沒有一個指錯 |
| S4 | ✅ 已修，沒有新問題 | guide_static3.html 第 70 行：`<tr><th>作業規格建議的做法（PDF p28）</th>…`；guide_results5.html 第 25 行：`作業規格 PDF p28 建議可以試「移除停用詞」（Remove stop words），我沒做。` | pdftotext p28 標題是「Recommended data pre-processing steps」，列了 5 項：Remove non-English words／Remove stop words／Lemmatization (e.g., rocks -> rock)／Better tokenization…／Retain the most frequent words。g6 表的 5 列依序一一對應（連 rocks → rock 的例子也一樣）。全部草稿和組好的 HTML 都已經找不到「老師建議」 |
| Y1 | ✅ 已修，沒有新問題 | make_toy_figures.py 第 68 行：`ax.scatter([v], [1], color="#2A2A2A", s=40, zorder=3)` | 開 noise_band.png 看過：換種子的 4 個點是黑色，只有 window=10 是紅的，CBOW、300 維是綠的，刪停用詞是灰的、在帶子裡。標題「綠＝變好、紅＝變差」現在只對到 4 個菱形，不會誤導。帶子 46.12 ± 1.05 跟 exec 34 相符。組好的 HTML 嵌的 base64 跟現在的 png 完全一樣 |
| Y2 | ✅ 已修，沒有新問題 | guide_results4.html 第 34 行最後：`（邊界例：動詞第三人稱 3.10 ÷ 2.07 ＝ 1.498，差一點才到 1.5 倍，所以判「只當參考」。）` | exec 31：37.82 → 40.92，差 3.10；exec 34 雜訊 2.07；3.10 ÷ 2.07 ＝ 1.4976。`q2_judge` 用 `abs(d) < 1.5 * nz`（3.10 < 3.105），判「超過，只當參考」，跟文字一致。g9 表 17 列我全部重算，只有這一列靠近 1.5 倍，下一個最近的是常見國家首都 1.43 倍，所以只舉這一個邊界例就夠了 |
| Y3 | ✅ 已修，沒有新問題 | guide_results1.html 第 70 行：`中間那一大塊則大致是左邊男性（son、brother、uncle）、右邊女性（daughter、mother、aunt）；例外是 husband，它在右邊跟 wife 黏在一起。` | 圖上 husband 在 (1.5, 6.4)、wife 在 (1.9, 5.8)，兩點的距離跟灰線連起來的 man／woman 差不多，「黏在一起」說得通。第 12 節 PCA 那列說「husband 在下半」，那是另一張圖（PCA），不衝突 |

---

## 二、S3：18 題指向逐一核對

| 題 | 主題 | 指到 | 那一節有沒有講（原文位置） | 結果 |
|---|---|---|---|---|
| Q1 | word analogy、b − a ＋ c | 第 1 節觀念 3 | 觀念 3＋手算 b − a ＋ c、邊界情況 1（排除 a、b、c） | ✅ |
| Q2 | 為什麼可以加減 | 第 1 節觀念 3 | 平行四邊形圖＋老師「趨勢非常的 close」（W3 00:32:03）。「看前後文學出來」那一半在觀念 4，就在觀念 3 下面 | ✅ |
| Q3 | Skip-gram vs CBOW＋實驗 | 觀念 4、實驗 ③ | 觀念 4 有兩種方法的對照表；實驗 ③ 有 CBOW 結果 | ✅ |
| Q4 | 限制：一字多義、反義、OOV／FastText | 第 11 節、課堂補充 C 組 | 第 11 節有 apple、bank、good／bad 0.70、BERT；C 組第 9 點講 FastText、第 10 點講一字多義 | ✅（slary 在第 10 節 → N3） |
| Q5 | GloVe vs Word2Vec | 第 7 節、課堂補充第 7 點 | 第 7 節「方法不同」列（Global／Local、W3 01:32:25）；第 7 點「GloVe vs Word2Vec」小點 | ✅ |
| Q6 | Skip-gram 訓練資料 | 課堂補充第 3 點 | 「Skip-gram 的訓練資料是『自己做出來的』」 | ✅ |
| Q7 | 詞向量是哪一層 | 課堂補充第 4 點 | 「詞向量就是第一層的權重」 | ✅ |
| Q8 | 負取樣 | 課堂補充第 5 點 | 「Negative sampling（負取樣）」 | ✅ |
| Q9 | 為什麼轉小寫 | 第 4 節 | 「考試可能問」第一條就是轉小寫 | ✅ |
| Q10 | 抽樣避免記憶體爆掉 | 第 5 節 | 「一行一行讀」（W3 01:55:49） | ✅ |
| Q11 | 停用詞 | 第 6 節、實驗 ② | 第 6 節前處理表「移除停用詞：刻意不做」；實驗 ② | ✅ |
| Q12 | 5%→20% | 第 9 節 | 報告第 2 題，5／10／20% 表 | ✅ |
| Q13 | 論壇 vs 維基 | 第 10 節 | 報告第 3 題 | ✅ |
| Q14 | 為什麼要對照組 | 第 10 節 | 「關鍵設計：為什麼要多做一個『維基對照組』」＋控制變因 | ✅ |
| Q15 | 貨幣為什麼差 | 第 4 節、實驗 ⑧ | 第 4 節「貨幣很差」列（kwanza、dram、won、real）；實驗 ⑧ 覆蓋率（並提到論壇 39.0%） | ✅ |
| Q16 | 只算第一名公不公平 | 實驗 ④ | 前 k 名正確率 | ✅ |
| Q17 | 怎麼看 t-SNE | 第 4 節、實驗 ⑦ | 第 4 節 TODO3 t-SNE＋「看圖要小心」；實驗 ⑦ PCA vs t-SNE | ✅ |
| Q18 | window、vector_size | 第 6 節、實驗 ③ | 第 6 節「訓練參數：每一個在調什麼」；實驗 ③ | ✅ |
| 結尾 | 「數字 → 觀察 → 原因」 | 第 8 節 | g8 結論句就是這三步 | ✅ |

「課堂補充」這一節沒有編號，但目錄上叫「課堂補充：12 個觀念」，「C 組」「第 7 點」在節裡都有標題，找得到。

---

## 三、新問題（依嚴重度排序）

### A. 事實錯誤

無。

### B. 前後矛盾

無。

### C. 規範違反

**N2｜guide_static.html 的 C2 新句，例外沒列完整；guide_results3.html Q17 的「鄰居」有第二個意思（規則 13）**
- 原文 1（guide_static.html 第 37 行）：`（例外：第 4、7、12 節看 t-SNE／PCA 圖時說的「近」「黏在一起」，是圖上兩點的距離。）`
- 原文 2（guide_results3.html 第 97 行，Q17，之前就有）：`t-SNE 是非線性的，保留局部鄰居。`
- 問題：
  - 第 1 節第 45 行定義「這 5 個字本文叫「鄰居」（只用在這個意思）」，C2 新句又把「鄰居」列成「看方向」的地方。Q17 卻用「鄰居」講 t-SNE 在 100 維裡用距離找的近鄰。
  - 例外只列第 4、7、12 節，但總結論 #1（「貼在一起」）和 Q17（「黏在一起」）也在講圖上的距離。第 12 節用的詞是「貼得很緊」，例外裡也沒列這個詞。
- 改成 1：`（例外：看 t-SNE／PCA 圖時——第 4、7 節、第 12 節實驗 ⑦、總結論第 1 條、第 14 節 Q17——說的「近」「黏在一起」「貼得很緊」，是圖上兩點的距離。）`
- 改成 2：`t-SNE 是非線性的，只保證「原本很近的點，畫出來也很近」。`（這是第 4 節「看圖要小心」原本的說法）

### D. 風格

**N1｜guide_results1.html 第 144 行（第 7 節對照表），GloVe 欄的配對比第 4 節少**
- 原文：`<tr><td>有些男女配對黏在一起</td><td>有（boy／girl、man／woman；但 brother／sister、uncle／aunt 分很開）</td><td>有（boy／girl、man／woman、bride／groom、dad／mom、king／queen；但 brother／sister、uncle／aunt 分很開）</td></tr>`
- 問題：這是一張兩欄並排的比較表。GloVe 欄沒列 dad／mom、bride／groom，Wiki 20% 欄有列，讀者會以為這是兩本字典的差別。但第 4 節第 69 行寫 GloVe 也有這兩對，圖上 dad (4.25, 1.4)／mom (4.25, 1.2)、bride／groom 也幾乎重疊。兩張圖上 husband／wife 也都很近（Y3 剛寫進第 4 節）。兩本字典真正的差別只有 king／queen：GloVe 這對在皇室圈裡，但相隔約 1.6；Wiki 20% 幾乎貼在一起。
- 改成：`<tr><td>有些男女配對黏在一起</td><td>有（boy／girl、man／woman、dad／mom、bride／groom、husband／wife；但 brother／sister、uncle／aunt 分很開）</td><td>有（boy／girl、man／woman、dad／mom、bride／groom、husband／wife，還有 king／queen；但 brother／sister、uncle／aunt 分很開）</td></tr>`

**N3（可選）｜guide_results3.html 第 103 行，Q4 少列第 10 節**
- 原文：`Q4 → 第 11 節、課堂補充 C 組；`
- 問題：Q4 答案 ② 舉的「論壇的錯字（slary）」只在第 10 節的鄰居表（salary → slary、salry…）。good／bad 那一半也在課堂補充第 8 點。現在指到的節沒有錯，只是不完整。
- 改成：`Q4 → 第 11 節、第 10 節（論壇錯字鄰居）、課堂補充第 8 點與 C 組；`

---

## 四、結論

**還有「事實錯誤」或「前後矛盾」等級的問題嗎？沒有，是 0。**

- 07c 的 11 項（C1–C4、S1–S4、Y1–Y3）都修了，也都修對了。
- 組好的 HTML 已經包含全部修正和新版 noise_band.png。
- 新發現 N1（風格）、N2（規範 13）、N3（可選），都是改一個字串就好，不必重跑筆記本或圖。
- 改完 N1、N2 以後，就可以照 07c 的 Y4 更新 `VERIFY`。

本報告的每一項判斷都來自實際查證：
- 讀了 `patch_guide_07c.py`，在全部草稿和 `build_guide.py` 裡搜尋每段新文字和舊文字；在組好的 HTML 裡數了 12 段新文字、8 段舊文字出現幾次，並比對 noise_band 的 base64。
- 對照 outputs.txt 的 exec 28、31、34、35 重算所有倍數（q2 表 17 列、q3 表 14 列）。
- 讀了筆記本 cell 33（In [27]）和 cell 23 的原文；用 pdftotext 抽了 PDF p28。
- 打開 tsne_glove_marked、tsne_wiki20_marked、noise_band 三張圖逐點比對。
- 逐一打開 Q1–Q18 指到的每一節，確認有講那個主題。