我正在使用基于GloVe的预训练嵌入式向量，将我的I / P语句中的单词转换为类似NMT的模型。然后，模型生成一系列单词嵌入作为每个句子的输出。
如何将这些输出字嵌入转换为相应的字？我尝试的一种方法是在每个输出嵌入向量和所有i / p嵌入向量之间使用余弦相似性。还有比这更好的方法吗？
另外，有没有比使用嵌入向量更好的方法呢？
答案 0 :(得分：0)
首先，问题是缺少很多细节，例如用于单词嵌入的库，模型的性质以及训练数据等。 但是，如果您使用的是Gensim之类的词嵌入库，我会尽力让您了解在这种情况下可以做什么。
如何从向量中获取单词： 我们在这里处理预测的单词向量，因此我们的单词向量可能不是原始单词的确切向量，我们必须使用相似性，在Gensim中，您可以使用similar_by_vector，类似
target_word_candidates = similar_by_vector(target_word_vector,top=3)
这将解决反向查找问题，如突出显示的here一样，鉴于所有单词向量都如何获得最相似的单词，但是我们需要根据上下文找到最佳的单个单词。
您可以对输出目标词向量进行某种后处理，这对于尝试解决一些问题很有帮助，例如：
1。如何指导词汇翻译 条款？
2。如何强制存在 在解码器中给出翻译建议 输出？
3。如何在右侧放置这些单词 位置？
其中一种想法是使用目标语言的外部资源（即语言模型）来预测将使用哪种单词组合。其他一些技术将外部知识整合到翻译网络本身中