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"

找出最接近单词嵌入向量的前五个单词及其距离。

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;

使用word2vec将单词“Italy”、“Rome”和“Paris”映射到向量。

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．使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;[words,dist] = vec2word(emb,M,k，“距离”，“欧几里得”）;

在柱状图中绘制单词和距离。

图;Bar (dist) xticklabels(words) xlabel(“单词”) ylabel (“距离”)标题(“到向量的距离”）