帮助中心帮助中心
嵌入向量映射到的词
话说= vec2word (emb, M)
(话说,dist) = vec2word (emb)
___= vec2word (emb, M, k)
___= vec2word (___,“距离”,距离)
例子
单词= vec2word (循证,米)返回最接近的单词中嵌入的行向量米。
单词= vec2word (循证,米)
单词
循证
米
(单词,经销)= vec2word (循证,米)返回最近的词语来嵌入向量米,并返回的距离经销每个源向量。
(单词,经销)= vec2word (循证,米)
经销
___= vec2word (循证,米,k)返回顶部k最亲密的话语。
___= vec2word (循证,米,k)
k
___= vec2word (___“距离”,距离)指定的距离度量。
___= vec2word (___“距离”,距离)
距离
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”
找到最近的五大的话一个字嵌入向量和他们的距离。
emb = fastTextWordEmbedding;
地图“意大利”、“罗马”、“巴黎”使用word2vec向量。
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”)
wordEmbedding
输入字嵌入,指定为一个wordEmbedding对象。
字嵌入向量,指定为一个矩阵。每一行的米是一个字嵌入向量。米必须有emb.Dimension列。
emb.Dimension
返回最近的单词数量,指定为一个正整数。
的余弦
“欧几里得”
距离度量,指定为的余弦或“欧几里得”。
输出文字,作为字符串返回向量。
源向量距离的话,作为一个向量返回。
介绍了R2017b
fastTextWordEmbedding|doc2sequence|wordEmbeddingLayer|wordEncoding|word2vec|word2ind|ind2word|isVocabularyWord|wordEmbedding|tokenizedDocument
doc2sequence
wordEmbeddingLayer
wordEncoding
word2ind
ind2word
isVocabularyWord
tokenizedDocument
你们possedez一个版本modifiee de cet(中央东部东京)为例。Souhaitez-vous打开cet(中央东部东京)为例用vos修改吗?
你们有派对在联合国留置权,对应这个对MATLAB:
倒实行la对saisissez-la在fenetre德对MATLAB。Les navigateurs web不sup万博1manbetxportent Les MATLAB命令。
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