文档帮助中心文档
映射嵌入向量到单词
单词=vec2word(emb,M)
[words,dist]=vec2word(emb,M)
___=vec2word(emb,M,k)
___= vec2word (___,“距离”,距离)
实例
话= vec2word (教统局,M)返回数据行中嵌入向量最近的单词M.
话= vec2word (教统局,M)
话
教统局
M
[话,距离]=vec2word(教统局,M)返回与中嵌入向量最近的单词M,并返回距离距离每一个向量都对应于它们的源向量。
[话,距离]=vec2word(教统局,M)
距离
___= vec2word (教统局,M,K)返回顶部K最贴切的话。
___= vec2word (教统局,M,K)
K
___= vec2word (___,“距离”,距离)指定距离度量。
___= vec2word (___,“距离”,距离)
全部崩溃
使用加载预训练单词嵌入fastTextWordEmbedding. 此函数需要文本分析工具箱™ 模型对于fastText English,160亿标记词嵌入金宝app支持包。如果未安装此支持包,则该功能将提供下载链接。
fastTextWordEmbedding
emb = fastTextWordEmbedding
emb=wordEmbedding,带属性:维度:300词汇:[1×1000000字符串]
把"意大利","罗马"和"巴黎"这三个词标到向量上word2vec.
word2vec
意大利=word2vec(emb,“意大利”);罗马=word2vec(教统局,“罗马”);巴黎=word2vec(教统局,“巴黎”);
映射向量意大利-罗马+巴黎使用向量2字.
意大利-罗马+巴黎
向量2字
word=vec2word(emb,意大利-罗马+巴黎)
word=“法国”
查找与单词嵌入向量最接近的前五个单词及其距离。
emb=fastTextWordEmbedding;
使用word2vec将单词“意大利”、“罗马”和“巴黎”映射到向量。
映射向量意大利-罗马+巴黎使用向量2字. 使用欧几里德距离度量查找最接近的前五个单词。
k=5;M=意大利-罗马+巴黎;[words,dist]=vec2word(emb,M,k,“距离”,“欧几里得”);
在条形图中绘制单词和距离。
图;条形(距离)X刻度线(文字)X标签(“单词”)伊拉贝尔(“距离”)头衔(“到矢量的距离”)
文字嵌入
输入字嵌入,指定为文字嵌入对象
单词嵌入向量,指定为矩阵。每行M是一个单词嵌入向量。M一定有emb.维度柱。
emb.维度
要返回的最近字数,指定为正整数。
“余弦”
“欧几里得”
距离度量,指定为“余弦”或“欧几里得”.
输出字,作为字符串向量返回。
单词到其源向量的距离,作为向量返回。
fastTextWordEmbedding|DOC2序列|字嵌入层|文字编码|word2vec|word2ind|ind2word|是词汇词吗|文字嵌入|标记化文档
DOC2序列
字嵌入层
文字编码
word2ind
ind2word
是词汇词吗
标记化文档
您有此示例的修改版本。是否要用您的编辑打开此示例?
您单击了与此MATLAB命令对应的链接:
通过在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站以获取可用的翻译内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:.
您还可以从以下列表中选择网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区站点不适合您所在位置的访问。
联系当地办事处