我正在研究NLP问题。
我已下载预制嵌入权重以用于嵌入层。在嵌入层之前，我需要标记我的数据集，该数据集当前是句子串的形式。我想使用与预制嵌入层相同的索引来标记它。
有没有办法初始化Keras tokenizer（tensorflow.keras.preprocessing.text.Tokenizer）和预先制作的排序字典：.dropbtn {
background-color: #34becd;
color: white;
padding: 10px;
font-size: 12px;
border: none;
cursor: pointer;
width: 200px;
}
.dropdown {
position: relative;
display: flex;
flex-direction: column;
}
.dropdown-content {
display: none;
position: absolute;
bottom: 0px;
width: 200px;
background-color: #f9f9f9;
box-shadow: 0px 8px 16px 0px rgba(0, 0, 0, 0.2);
z-index: 1;
}
.dropdown:hover .dropdown-content {
display: flex;
flex-direction: column;
}
.dropdown-content a {
font-size: 12px;
color: black;
padding: 5px 10px;
text-decoration: none;
}
.dropdown-content a:hover {
background-color: #f1f1f1;
}
.dropdown-item {
display: flex;
justify-content: space-between;
}
所以它不会决定自己给哪个索引字？
答案 0 :(得分：0)
您可以初始化令牌生成器对象并将单词索引手动分配给它。然后，您可以使用它为句子加索引。
token = text.Tokenizer()
token.word_index = {"the":1, "elephant":2}
token.texts_to_sequences(["the elephant"])
这将返回[[1，2]]