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”

找出最接近单词嵌入向量的前5个单词和它们的距离。

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;

用word2vec将单词“意大利”、“罗马”和“巴黎”映射到向量上。

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．用欧几里得距离度量找出最接近的五个单词。

k = 5;M =意大利-罗马+巴黎;(话说,dist) = vec2word (emb, M, k,“距离”，“欧几里得”）;

用条形图标出单词和距离。

图;栏(经销)xticklabels(词)包含(“单词”) ylabel (“距离”)标题(“距离向量”）