帮助中心帮助中心
字映射到嵌入向量
M = word2vec (emb的话)
M = word2vec (emb,话说,‘IgnoreCase’,真的)
例子
米= word2vec (循证,单词)返回的嵌入向量单词在嵌入循证。如果一个词不是嵌入的词汇,那么函数返回一行南年代。这个函数,默认情况下,是区分大小写的。
米= word2vec (循证,单词)
米
循证
单词
南
米= word2vec (循证,单词“IgnoreCase”,真的)返回的嵌入向量单词忽略的情况下使用任何以前的语法。如果多个单词在嵌入只在不同的情况下,那么函数返回向量对应于其中一个,不返回任何特定的向量。
米= word2vec (循证,单词“IgnoreCase”,真的)
全部折叠
加载一个pretrained字嵌入使用fastTextWordEmbedding。这个函数需要文本分析工具箱™模型160亿年fastText英语嵌入标记词万博1manbetx支持包。如果这种支持包没万博1manbetx有安装,那么函数提供一个下载链接。
fastTextWordEmbedding
emb = fastTextWordEmbedding
emb = wordEmbedding属性:尺寸:300词汇:[1×1000000弦]
地图“意大利”、“罗马”、“巴黎”向量使用word2vec。
word2vec
意大利= word2vec (emb,“意大利”);罗马= word2vec (emb,“罗马”);巴黎= word2vec (emb,“巴黎”);
地图矢量意大利,罗马+巴黎一个词使用vec2word。
意大利,罗马+巴黎
vec2word
词= vec2word (emb、意大利罗马+巴黎)
词=“法国”
wordEmbedding
输入字嵌入,指定为一个wordEmbedding对象。
输入文字,指定为字符串向量,特征向量,或单元阵列特征向量。如果您指定单词作为一个特征向量,那么函数将参数作为一个单独的词。
数据类型:字符串|字符|细胞
字符串
字符
细胞
字嵌入向量的矩阵。
介绍了R2017b
fastTextWordEmbedding|doc2sequence|wordEncoding|word2ind|vec2word|isVocabularyWord|wordEmbedding|tokenizedDocument
doc2sequence
wordEncoding
word2ind
isVocabularyWord
tokenizedDocument
您有一张这本Beispiels geanderte版本。您这本Beispiel麻省理工学院古老Anderungen offnen吗?
您有窗户的链接geklickt,汪汪汪der diesem MATLAB-Befehl entspricht:
在das MATLAB-Befehlsfenster Fuhren您窝Befehl军队Eingabe来自。浏览器unterstutzen MATLAB-Befehle。
选择一个网站
选择一个网站翻译内容,看到当地事件和提供。根据你的位置,我们建议您选择:。
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。
联系你当地的办公室