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。

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.

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.

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。

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。

emb=fastTextWordEmbedding；

使用word2vec将单词“意大利”、“罗马”和“巴黎”映射到向量。

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. 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”)