Question

我正在研究Keras的文本分类研究。我使用W2V来表示我的词汇量。

首先，我创建了一个输入层：

input_layer= Input(shape (windows_size, ), dtype='int32', name='word_input')

其次，加载预先训练好的嵌入：

embd = Embedding(embeddings.shape[0],
                 embeddings.shape[1],
                 input_length=input_len,
                 weights=[embeddings],
                 trainable=False,
                 name='word_embed')(input_layer)

第三，我申请Conv1D

conv_net  =Conv1D(filters, kernel_size, activation='relu')(embd)

对于Conv1D，它完美无缺。但是，现在我想使用两种嵌入来表示输入文本，例如W2v和手套。然后，我的输入文本将具有 3维，即输入句子可以看作宽度为3，高度为1且深度为2的图像（两个嵌入）。

我尝试创建一个输入图层

input_layer= Input(shape (windows_size, ), dtype='int32', name='word_input')

我的问题是：如何为两种类型的嵌入创建嵌入？

    embd = Embedding(embeddings.shape[0], # embeddings width
                     embeddings.shape[1], # embeddings length
                     input_length=input_len,                         
                     weights=[embB_W2V, embd_GloVe], # Here I want to pass two embedding array. One for Glove and one for W2v
                     trainable=False,
                     name='word_embed')(input_layer)

conv_net = Conv2D（filters = 64，kernel_size = 3，activation =＆＃39; relu＆＃39;）（embed_layer_ft）

但它不起作用，因为权重= [embB_W2V，embd_GloVe]大小与嵌入匹配错误

Answer 1

您可以使用2层嵌入并合并它们。

使用Keras进行单词嵌入的Conv2D

1 个答案: