嵌入模型学习与编码
发布时间
阅读量：
阅读量
从字面来看, Embedding 是指将词语或数据转化为嵌入形式, 实质上属于一种映射关系, 是从语义维度到数值维度的一种转换过程. 这种转换尽量能在向量维度上保留原始语义信息之间的关联性. 例如, 在向量表示中通常会使得意义相近的词语表现出类似的空间分布特征.
为了便于理解Embedding机制及其作用机制，在这里我们通过一个基于Keras构建的一个基本的文本情感分类案例来具体阐述其训练过程。
首先，导入Keras的相关库
from keras.layers import Dense, Flatten, Input
from keras.layers.embeddings import Embedding
from keras.models import Model
from keras.preprocessing.sequence import pad_sequences
from keras.preprocessing.text import one_hot
import numpy as np给出文本内容和label
# define documents
docs = ['Well done!',
'Good work',
'Great ef全部评论 (0)
还没有任何评论哟~