Question

我在 LSTM 的 Keras 实施的某些方面遇到麻烦。这是我的问题的描述：

我正在尝试训练用于单词正确性预测的模型。我的模型有两种输入类型：

一个单词序列（句子）
还有一个特征向量序列（对于每个单词，我计算出一个特征胜者为6）。

例如

input_1 = ['we', 'have', 'two', 'review'] input_2 = [[1.25, 0.01, 0.000787, 5.235, 0.0, 0.002091], [ 0.0787, 0.02342, 5.4595, 0.002091, 0.003477, 0.0], [0.371533, 0.529893, 0.371533, 0.6, 0.0194156, 0.003297],[0.471533, 0.635, 0.458, 0.7, 0.0194156, 0.0287]] gives output = [1, 1, 2, 1]

由于训练集中的每个句子都有不同的长度，因此我应该对所有句子进行零填充，以使它们的长度相同。

我的问题是第二输入应该如何填充？如何？因为它们是向量。

模型体系结构：

input1 = Input(shape=(seq_length,), dtype='int32')
emb = Embedding(input_dim=num_words, output_dim = num_dimension, 
input_length=seq_length, weights=[embeddings], mask_zero=True,trainable=False)(input_layer)

input2 = Input(shape=(seq_length,6 ))
x = keras.layers.concatenate([emb, input2],axis=2)

lstm = LSTM(64, return_sequences=True)(x)
ackwards = LSTM(128, return_sequences=True, go_backwards=True)(x)

common = merge([forwards, backwards], mode='concat', concat_axis=-1)
out = TimeDistributed(Dense(no_targets, activation='softmax'))(lstm)

Answer 1

您处于正确的轨道，是的，您需要在第二个输入中填充零行以匹配句子的长度。基本上看起来像这样：

# Input 1
X1 = [[12, 34, 3], [6, 7, 0]] # where numbers are word indices and 0 is padding
# Input 2
X2 = [[[1.23,...,2.4], [1.24, ...], [0.6, ...]], [[3.25, ...], [2.4, ...], [0,0,0,0,0]]]
# So the padded words get zero feature vectors as well and the shapes match

但是不要担心，因为您将emb与input2串联在一起，mask_zero=True也会传播到串联向量上，因此LSTM实际上也忽略了第二个输入的填充。

使用时间序列功能合并序列嵌入

1 个答案: