类似于TensorFlow中的Word2Vec？

Question

我在Tensor Flow中实现了Word Embeddings，类似于代码here我能够获得最终的嵌入（final_embeddings），但我想使用本练习中典型的类比来评估嵌入。如何识别哪个术语对应于最终嵌入数组中的哪一行？或者，Tensor Flow中是否有这样的实现？任何帮助将不胜感激（具体和资源将是一个加号;））。谢谢！

Answer 1

向您推荐此conceptual tutorial。 如果您使用skip-gram，则输入是单热编码。所以1的索引是单词矢量的索引。

tensorflow中的实现非常简单。您可能希望看到此功能：tf.nn.embedding_lookup

例如：

embed = tf.nn.embedding_lookup(embedding, inputs)

嵌入是你正在寻找的矢量。

Answer 2

哪个术语对应于最终嵌入数组中的哪一行完全取决于您的实现。在训练前的某个时刻，你将每个单词转换为数字，对吧？此数字表示嵌入表中的行。

如果您想知道具体名称，可以在此处发布部分代码。