非 R 用户可以使用命令行来使用 GloVe 算法，她在独立的仓库中，text2vec-cli。
这是 text2vec-cli 的 README 内容：
text2vec-cli 适用于不了解 R，但是希望使用 GloVe 其他实现的用户，相比于原有的实现，text2vec 的速度更快，是它的两倍。text2vec 同时使用了 L1 正则化，这对于小数据集十分有用，比单纯的 GloVe 具有更好的泛化性。
text2vec 的一个限制是，它在内存中计算共现统计量。这个对于大语料库来说可能是一个问题。比如，你可以在一个 32gb 的机器上使用 window=10 的设置来处理包含 400000 独立字段的英文 wikipedia 文本。
你需要安装 R 3.2+，参见 CRAN 。
对于主流的 linux 发行版，安装则更为简单：
# change following line accordingly to your system:
# https://cran.r-project.org/bin/linux/ubuntu/
# here is string for ubuntu 14.04
echo 'deb https://cloud.r-project.org/bin/linux/ubuntu trusty/' | sudo tee --append /etc/apt/sources.list
sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys E084DAB9
sudo apt-key update
# install dependencies
sudo apt-get install -y libssl-dev libcurl4-openssl-dev git
# isntall R
sudo apt-get install -y r-base r-base-devR 安装后，克隆这个仓库，同时将脚本设置为可执行的，
git clone https://github.com/dselivanov/text2vec-cli.git
cd text2vec-cli
# make scripts executable
chmod +x install.R vocabulary.R cooccurence.R glove.R analogy.R安装 text2vec：
./install.Rwget http://mattmahoney.net/dc/text8.zip
./vocabulary.R files=text8.zip vocab_file=vocab.rds
./cooccurence.R files=text8.zip vocab_file=vocab.rds vocab_min_count=5 window_size=5 cooccurences_file=tcm.rds
./glove.R cooccurences_file=tcm.rds word_vectors_size=50 iter=10 x_max=10 convergence_tol=0.01
./analogy.Rtext2vec-cli 是为非 R 用户设计的，我们假设他们熟悉自己的编程语言，并能够使用它们熟悉的工具来预处理输入数据。
同时，与 text2vec R包相比，text2vec-cli 是单线程的（除了 GloVe 训练时多线程的）。
text2vec 按行来处理数据文件，他将每个文件读入内存，处理文件，然后读取下一个文件。如果你的文本集是一个大文本，比如若干GB我们推荐使用 split 工具将它分割成区块。
比如，你的数据是 BIG_FILE.gz：
gunzip -c BIG_FILE.gz | split --line-bytes=100m --filter='gzip --fast > ./chunk_$FILE.gz'对于 OS X 用户，可以安装 coreutils：brew install coreutils 或者使用 gsplit 而不是 split。
我们假设：
为了拟合 GloVe 模型，用户需要下面的步骤，
./vocabulary.R files=text8.zip vocab_file=vocab.rds参数：
files - 输入文件的文件名 多个文件使用英文逗号进行分割 files=file1,file2。dir - 目录下的文件都会被使用vocab_file - 输出文件的文件名./cooccurence.R files=text8.zip vocab_file=vocab.rds vocab_min_count=5 window_size=5 cooccurences_file=tcm.rds参数：
files - 输入文件的文件名 多个文件使用英文逗号进行分割 files=file1,file2。dir - 目录下的文件都会被使用vocab_file - 词汇表文件vocab_min_count - 删减词汇表，只使用出现超过指定次数的字段。window_size - 使用多少个临近的词汇用来计算共现信息。cooccurences_file - 输出文件./glove.R cooccurences_file=tcm.rds word_vectors_size=50 iter=10 x_max=10 convergence_tol=0.01参数：
cooccurences_file - 共现信息文件名word_vectors_size - 词向量的维度iter - 优化算法的迭代次数x_max - 最大共现值。与原有实现的 X_MAX对应。convergence_tol - 0.01 默认值。若每个 epoch 的模型改进小于指定值，则停止训练。lambda - L1 正则化参数. 一般在 1e-4 到 1e-5 之间.learning_rate - 0.2 默认值. AdaGrad 到初始速率. 不推荐修改。clip_gradients - 10 默认值。用这个数值来裁剪梯度。不推荐修改。alpha - 0.75 默认值。./analogy.R