Question

我想在keras中构建一个序列到序列的自动编码器。目的是“ doc2vec”。

在keras博客上的文档中，我找到了一个示例：https://blog.keras.io/building-autoencoders-in-keras.html

from keras.layers import Input, LSTM, RepeatVector
from keras.models import Model

inputs = Input(shape=(timesteps, input_dim))
encoded = LSTM(latent_dim)(inputs)

decoded = RepeatVector(timesteps)(encoded)
decoded = LSTM(input_dim, return_sequences=True)(decoded)

sequence_autoencoder = Model(inputs, decoded)
encoder = Model(inputs, encoded)

如果我需要为此添加嵌入层怎么办？如果我们要处理一段文本，我们应该首先标记该文本，并用预先训练的向量将其嵌入，对吗？

在解码器中是否需要密集或时间分布的密集层？我需要颠倒顺序吗？

谢谢。

Answer 1

由于documentation状态，嵌入层只能用作模型的第一层，所以类似这样：

inputs = Input(shape=(timesteps, input_dim))
embedded = Embedding(vocab_size, embedding_size, mask_zero=True, ...))(inputs)
encoded = LSTM(latent_dim)(embedded)

我们应该首先标记文本，然后将其嵌入预先训练的矢量中，对吗？是的，这是默认选项。如果您的语料库足够大，您仅训练自己的嵌入 ，否则通常使用GloVe。有一个Keras example使用GloVe和内部Tokenizer来将文本传递到带有嵌入层的模型中。

对于解码，您将需要一个Dense层，但是在版本2中可以选择使用TimeDistributed。默认情况下，Dense会将内核应用于所传递的3D张量的每个时间步：

decoded = RepeatVector(timesteps)(encoded)
decoded = LSTM(input_dim, return_sequences=True)(decoded)
decoded = Dense(vocab_size, activation='softmax')(decoded)
# (batch_size, timesteps, vocab_size)

值得注意的是，采用前N个最频繁的单词将加快训练速度，否则softmax的计算成本将非常高。 Keras示例还使用了数量有限的单词，每个其他单词都映射到特殊的UNKnown令牌。

如何在具有嵌入层的keras中构建Sequence-to-Sequence自动编码器？

1 个答案: