Tensorflow 旋转：具有人类判断的训练数据

我从源代码中尝试了switle.py：

目前，它从我接收的文本文件中创建自己的vocab并训练自己。 然而，结果不太准确，因为它只根据目标词旁边出现的次数生成自己的关系。 例如，我摄取了有关无人机的信息，在nearest.py上，我指定的单词是“system”。 我原以为“无人机”这个词会在列表中脱颖而出，因为“无人机”这个词总是紧挨着“系统”这个词。 但它并没有给出预期的结果

是否有任何方法或想法如何通过摄取已经训练过的数据来训练模型，从而使其不是靠自身训练，而是靠人类的判断来训练