我在查看Keras IMDB电影评论情感分类示例（以及GitHub上对应的模型），该示例学习判断评论是正面还是负面的。
数据已经被预处理，每个评论都被编码为整数序列，例如评论“这部电影很棒！”会被编码为[11, 17, 6, 1187]，对于这个输入，模型会输出“正面”。
数据集还提供了用于编码序列的词索引，即我知道映射关系
这: 11电影: 17是: 6很棒: 1187...我能否将这种知识纳入模型，使其输入成为字符串，即根据输入“这部电影很棒！”进行预测？
回答：
首先，神经网络的输入永远不会是字符串，而是一组词（或字符）在词汇表中的索引列表。模型通常做的第一件事是嵌入转换（参见示例），这进一步将这些索引转换为（可训练的）浮点向量。
你真正想要的是将用户的原始输入（可以是文本、图像像素、声音录音等）转换为适合模型的格式的数据预处理步骤。数据预处理是机器学习应用中与模型本身一样重要的部分，应该单独存储。如果你打算使用imdb数据集，词汇表已经预处理。你可以调用imdb.get_word_index()在keras中获取词索引，或者你可以直接使用词汇json文件。
