我有一个每个20个步骤的股票价格序列表。这是一个2D形状阵列（total_seq，20）。我可以将其重新整形为（total_seq，20,1）以连接其他功能。
我还有每个时间步长10个字的新闻标题。所以我有来自Tokenizer.texts_to_sequences()和sequence.pad_sequences()的新闻代币的3D形状阵列（total_seq，20,10）。
我希望将新闻嵌入到股票价格并进行预测。
我的想法是新闻嵌入应该返回张量的形状 （total_seq，20，embed_size）这样我就可以将它连接起来了 形状的股票价格（total_seq，20,1）然后将其连接到LSTM图层。
要做到这一点，我应该将新闻嵌入形状（total_seq，20,10）转换为 （total_seq，20,10，embed_size）使用Embedding（）函数。
但是在Keras中，Embedding（）函数采用2D张量而不是3D张量。我如何解决这个问题？
假设Embedding（）接受3D张量，然后在我得到4D张量作为输出之后，我将通过使用LSTM仅返回最后一个字的嵌入来移除第3维，因此输出形状（total_seq，20,10，embed_size）将被转换为（total_seq，20，embed_size）
但是我会再次遇到另一个问题，LSTM接受3D张量而不是4D所以
如何使用Embedding和LSTM不接受我的输入？
答案 0 :(得分：0)
一种解决方法是将所有时间戳和新闻功能放在一起
timesstaps feature = tensor(total_seq, 20)
news_feature = tensor(total_seq, 20, 10)
news_feature_reshaped = reshape(news_feature, (total_seq, 200))
final_features = concat([timestamps_feature, news_fature_reshaped], axis=1)