这个插件提供了一个预先训练的词嵌入和句子分类模型使用FastText用于机器学习和深度学习算法。FastText是一个开源的库，它为文本分析提供了高效和可扩展的库。有关预先训练的词向量模型的更多信息，请参见:https://fasttext.cc/docs/en/english-vectors.html.
从操作系统中或从MATLAB中打开FastText.mlPkginStall文件将启动您拥有的发布的安装过程。
此MLPKGIGSTALL文件对于R2018A及更大的功能。
使用示例：
％加载训练的模型
emb = fasttextwordembeddings;
根据这个词嵌入，％找到最接近的10个最接近的单词“阻抗”
“阻抗”impedanceVec = word2vec (emb);
vec2word（emb，阻抗vec，10）
ANS =.
10×1字符串数组
“阻抗”
“阻抗”
“电容”
“阻抗”
“电阻”
“阻碍”
“电感”
“电压”
”的参数
“欧姆”
意见及评分(11.的）
MATLAB版本兼容性
创建R2018a
兼容R2018A至R2021A
平台兼容性
窗户 苹果系统 Linux.标签
你也可以从以下列表中选择一个网站:
@alexander - 可能为您工作的替代方案是从中下载'wiki-news-300d-1m.vec.zip'https://fasttext.cc/docs/en/english-vectors.html.然后使用readwordembeddings将该文件读入matlab。这两个命令应该等同：
>> emb = FastTextWordeMbeddings;
>> emb = readwordembeddings（“wiki-news-300d-1m.vec.zip”）;
请注意，其他字向量可供选择https://fasttext.cc/docs/en/english-vectors.html.如果'Wiki-News-300d-1m'不符合您的要求。
安装期间的第三方资产未按何军提到的加载。按照错误时重新安装文本工具箱，在错误时通过链接和问题仍然存在此添加项。不确定是谁经过与支持@ mathworks联系，因为这似乎是与第三方资产连接有关的金宝app问题。道歉，如果我是误解......但是在没有其他建议的情况下，我将致力于支持@ mathworks。金宝appAlex Droud博士
@jiajun，请联系support@mathw金宝apporks.com。他们会愉快地帮助您，这个评论部分并不是一个真正的来回和寻找问题的原因。
@Peter:如果你看看Mikolov论文主题的细节,你会发现他们著名的“王”——“男人”+“女人”≈“女王”的结果而不是仅仅看最接近的词,但只有禁止某些答案返回后,包括三个字从输入。如果您以同样的方式编写代码，它将返回“皇后”，但禁用的词更复杂，需要大量微调，并很容易导致程序引入向量数据本身甚至没有的偏差。(比如著名的问题“男人是医生，女人是x。”)
有关此事，请退房https://arxiv.org/abs/1905.09866
为什么我无法安装此页面？
我觉得有些事情是错误的。看看许多科学论文中最常见的例子（“王” - “男人”+“女人” - >“女王”）。
manvec = word2vec（emb，“man”）;
WomenVec = Word2Vec（emb，“女人”）;
Kingvec = Word2Vec（emb，“King”）;
答案= kingVec - manVec + womanVec;
答案:1 = 5
(vecnorm ((word2vec (emb res1) -回答)“)”
五个最接近的单词是:
“王”
“女王”
“君主”
“国王”
“公主”
距离答案的距离：
1.1425352
1.5177922
1.7698069.
1.7606366
1.7804255
对我来说，这是惊喜（那个王是第一个，女王是第二个）。我想，这是问题。你建议了什么？你确定矢量长度300足够吗？
或者，我做了不正确的事情吗？谢谢你。
ps:我测试了不同形式的单词“man”，“man”，“man”，平均0.5 * (word2vec(“man”)+ word2vec(“man”))…但第一个结果是永远不会成为女王。
@Peter,
要将单词添加到嵌入词汇表中，请按照以下步骤在读入后创建一个新的嵌入对象:
>> emb = FastTextEnglishEmbeddings（）;
>> vocab = emb.Vocabulary;
>> Mat = Word2vec（emb，covab）;
>> newvocab = [词汇“样品1”“样品2”];
>> newmat = [mat;Randn（2,300）];
>> newemb = wordembeddings（newvocab，newmat）;
是否有可能向普里雷雷丁词汇添加额外的单词？如果是这样，这是怎么做的？