在keras中使用深度学习LSTM模型实现答案选择

Question

我正在尝试在深度学习中实现答案选择模型，如下所示基于this论文的keras，

我理解在上面的流程中实现嵌入，双向LSTM和池化的步骤。 但是如何实现合并函数来计算keras中的余弦相似度和损失函数？

损失函数定义为，

L= max{0,M-cosine(q,a+)+cosine(q,a-)}

其中，

• M =恒定保证金
• q =问题
• a+ =正确答案
• a- =错误答案

更新1： 经过一些博客后，这就是我实施的方式。

#build model
input_question = Input(shape=(max_len, embedding_dim))
input_sentence = Input(shape=(max_len, embedding_dim))

question_lstm = Bidirectional(LSTM(64))
sentence_lstm = Bidirectional(LSTM(64))


encoded_question = question_lstm(input_question)
encoded_sentence = sentence_lstm(input_sentence)

cos_distance = merge([encoded_question, encoded_sentence], mode='cos', dot_axes=1)
cos_distance = Reshape((1,))(cos_distance)
cos_similarity = Lambda(lambda x: 1-x)(cos_distance)

predictions = Dense(1, activation='sigmoid')(cos_similarity)


model = Model([input_question, input_sentence], [predictions])

model.compile('adam', 'binary_crossentropy', metrics=['accuracy']) 

通过上述实施，我仍然无法弄清楚如何实现铰链损耗。请帮忙