主要内容

word2vec

将单词映射到嵌入向量

折叠所有页面

语法

M = word2vec (emb的话)
M = word2vec (emb,话说,‘IgnoreCase’,真的)

描述

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“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。

例子

全部折叠

打开生活的脚本

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。

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．

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．

Word = vec2word(emb，意大利-罗马+巴黎)
词=“法国”

输入参数

全部折叠

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

输出参数

全部折叠

单词嵌入向量的矩阵。

另请参阅

|||||||

主题

介绍了R2017b

文本分析工具箱文档

金宝app

入门文本分析在MATLAB

入门文本分析在MATLAB

立即下载