下载并安装文本分析工具箱模型对于fastText English，160亿标记词嵌入金宝app支持包。

fastTextWordEmbedding

emb = fastTextWordEmbedding

emb=wordEmbedding，带属性：维度：300词汇：[1×1000000字符串]

使用加载预训练单词嵌入fastTextWordEmbedding. 此函数需要文本分析工具箱™ 模型对于fastText English，160亿标记词嵌入金宝app支持包。如果未安装此支持包，则该功能将提供下载链接。

emb = fastTextWordEmbedding

emb=wordEmbedding，带属性：维度：300词汇：[1×1000000字符串]

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（教统局，“巴黎”）;

映射向量意大利-罗马+巴黎用一个词向量2字．

word=vec2word（emb，意大利-罗马+巴黎）

word=“法国”

使用预训练单词嵌入将标记化文档数组转换为单词向量序列。

使用fastTextWordEmbedding函数。此函数需要文本分析工具箱™ 模型对于fastText English，160亿标记词嵌入金宝app支持包。如果未安装此支持包，则该功能将提供下载链接。

emb=fastTextWordEmbedding；

加载factory报告数据并创建tokenizedDocument大堆

文件名=“factoryReports.csv”; 数据=可读性（文件名，“文本类型”,“字符串”)；textData=data.Description；documents=tokenizedDocument（textData）；

使用将文档转换为单词向量序列DOC2序列．的DOC2序列默认情况下，函数左键填充序列以使其具有相同的长度。当使用高维单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，请将“填充方向”选项“没有”。或者，您可以使用“长度”选择。

序列=文件序列（emb、文件、，“填充方向”,“没有”）;

查看前10个序列的大小。每个序列是D-借-s矩阵,D是嵌入维度，并且s是序列中的字向量数。

序列(1:10)

ans=10×1单元阵列{300×10单一}{300×11单一}{300×11单一}{300×6单一}{300×5单一}{300×10单一}{300×8单一}{300×9单一}{300×7单一{300×13单一}