vec2word

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。

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。

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。

词= vec2word (emb、意大利罗马+巴黎)

词=“法国”

找到最近的五大的话一个字嵌入向量和他们的距离。

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。

emb = fastTextWordEmbedding;

地图“意大利”、“罗马”、“巴黎”使用word2vec向量。

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。找到最近的前五名词语使用欧氏距离度量。

k = 5;M =意大利罗马+巴黎;(话说,dist) = vec2word (emb, M, k,“距离”,“欧几里得”);

条形图中的单词和距离。

图;栏(经销)xticklabels(词)包含(“单词”)ylabel (“距离”)标题(“距离向量”)