帮助中心帮助中心
映射字到嵌入向量
M = word2vec (emb的话)
M = word2vec (emb,话说,‘IgnoreCase’,真的)
例子
米= word2vec (循证,单词)的嵌入向量单词在嵌入循证.如果一个词不在嵌入词汇表中,则该函数返回一行南s.缺省情况下,区分大小写。
米= word2vec (循证,单词)
米
循证
单词
南
米= word2vec (循证,单词“IgnoreCase”,真的)的嵌入向量单词忽略使用前面任何语法的大小写。如果嵌入中的多个词仅在case中不同,则函数返回与其中一个词对应的向量,而不返回任何特定的向量。
米= word2vec (循证,单词“IgnoreCase”,真的)
全部折叠
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fastText English 160亿Token字嵌入支持包。如果没有安装此支持包,则该功能提供下载链接。
fastTextWordEmbedding
emb = fastTextWordEmbedding
emb = wordem寝具属性: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.
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.
意大利-罗马+巴黎
vec2word
Word = vec2word(emb,意大利-罗马+巴黎)
词=“法国”
wordEmbedding
输入字嵌入,指定为wordEmbedding对象。
输入单词,指定为字符串向量、字符向量或字符向量的单元格数组。如果您指定单词作为字符向量,则函数将实参作为单个单词处理。
数据类型:字符串|字符|细胞
字符串
字符
细胞
词嵌入向量矩阵。
介绍了R2017b
fastTextWordEmbedding|doc2sequence|wordEncoding|word2ind|vec2word|isVocabularyWord|wordEmbedding|tokenizedDocument
doc2sequence
wordEncoding
word2ind
isVocabularyWord
tokenizedDocument
您有了这个示例的修改版本。您想用您的编辑打开这个示例吗?
你点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。
选择一个网站,在可用的地方获得翻译的内容,并查看当地的活动和优惠。根据您的地理位置,我们建议您选择:.
您也可以从以下列表中选择网站:
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。
联系当地办事处