下载及安装文本分析工具箱模型快速文本英语160亿令牌词嵌入金宝app支持包。

fastTextWordEmbedding

emb = fasttextwordem寝料

emb = worddembedbedwith properties:维数:300词汇:[1×1000000 string]

加载一个预训练的词嵌入使用fastTextWordEmbedding．此功能需要文本分析工具箱™模型快速文本英语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 = fasttextwordem寝料

emb = worddembedbedwith properties:维数:300词汇:[1×1000000 string]

将单词“意大利”、“罗马”和“巴黎”映射到使用的向量word2vec．

意大利= e2vec (emb;“意大利”）;* * * * * * * * * * * *“罗马”）;巴黎= word2vec(emb，“巴黎”）;

映射向量意大利-罗马+巴黎用一个词vec2word．

Word = vec2word(emb，意大利-罗马+巴黎)

字= "法国"

使用预训练的单词嵌入将标记化文档数组转换为单词向量序列。

方法加载预训练的词嵌入fastTextWordEmbedding函数。此功能需要文本分析工具箱™模型快速文本英语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 = fasttextwordem寝料;

加载工厂报告数据并创建一个tokenizedDocument数组中。

文件名=“factoryReports.csv”；数据= readtable(文件名，“TextType”，“字符串”）;textData = data.Description;documents = tokenizedDocument(textData);

使用将文档转换为字向量序列doc2sequence．的doc2sequence函数在默认情况下，将序列左补距设置为相同的长度。在使用高维词嵌入转换大型文档集合时，填充可能需要大量内存。若要防止函数填充数据，请设置“PaddingDirection”选项“没有”．控件控制填充的数量“长度”选择。

序列= doc2sequence(emb，文档，“PaddingDirection”，“没有”）;

查看前10个序列的大小。每个序列是D——- - - - - -年代矩阵,D是嵌入尺寸，和年代是序列中字向量的个数。

序列(1:10)

ans =10×1单元格数组{300×10单}{300×11单}{300×11单}{300×6单}{300×5单}{300×10单}{300×8单}{300×9单}{300×7单}{300×13单}