文档帮助中心文档
将单词映射到嵌入向量
M = word2vec (emb的话)
M = word2vec (emb,话说,‘IgnoreCase’,真的)
例子
米= word2vec (循证,单词)的内嵌向量单词在嵌入循证.如果一个单词不在嵌入的词汇表中,则函数返回一行南缺省情况下,该函数区分大小写。
米= word2vec (循证,单词)
米
循证
单词
南
米= word2vec (循证,单词“IgnoreCase”,真的)的内嵌向量单词忽略大小写使用任何前面的语法。如果嵌入的多个单词仅在case中不同,则函数返回对应于其中一个单词的向量,而不返回任何特定的向量。
米= word2vec (循证,单词“IgnoreCase”,真的)
全部折叠
加载一个预先训练的词嵌入使用fastTextWordEmbedding.此功能需要文本分析工具箱™模型用于快速文本英语160亿令牌词嵌入金宝app支持包。如果没有安装此支金宝app持包,则该函数将提供下载链接。
fastTextWordEmbedding
emb = fastTextWordEmbedding
emb = wordem寝具属性:Dimension: 300 Vocabulary: [1×1000000 string]
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 (emb,“罗马”);巴黎= word2vec (emb,“巴黎”);
地图矢量意大利-罗马+巴黎用一个词vec2word.
意大利-罗马+巴黎
vec2word
Word = vec2word(emb,意大利-罗马+巴黎)
词=“法国”
wordEmbedding
输入字嵌入,指定为wordEmbedding对象。
输入字,指定为字符串向量、字符向量或字符向量的单元格数组。如果您指定单词作为字符向量,函数将参数视为单个单词。
数据类型:字符串|字符|细胞
字符串
字符
细胞
单词嵌入向量的矩阵。
doc2sequence|fastTextWordEmbedding|isVocabularyWord|tokenizedDocument|vec2word|word2ind|wordEmbedding|wordEncoding
doc2sequence
isVocabularyWord
tokenizedDocument
word2ind
wordEncoding
您有这个示例的修改版本。您想打开这个示例与您的编辑吗?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系