我正在尝试理解层级注意力网络（HAN）的概念，我在网上找到的大多数代码与这个链接中的代码大体相似：https://medium.com/jatana/report-on-text-classification-using-cnn-rnn-han-f0e887214d5f :

embedding_layer=Embedding(len(word_index)+1,EMBEDDING_DIM,weights=[embedding_matrix],input_length=MAX_SENT_LENGTH,trainable=True)sentence_input = Input(shape=(MAX_SENT_LENGTH,), dtype='int32', name='input1')embedded_sequences = embedding_layer(sentence_input)l_lstm = Bidirectional(LSTM(100))(embedded_sequences)sentEncoder = Model(sentence_input, l_lstm)review_input = Input(shape=(MAX_SENTS,MAX_SENT_LENGTH), dtype='int32',  name='input2')review_encoder = TimeDistributed(sentEncoder)(review_input)l_lstm_sent = Bidirectional(LSTM(100))(review_encoder)preds = Dense(len(macronum), activation='softmax')(l_lstm_sent)model = Model(review_input, preds)

我的问题是：这里的输入层代表什么？我猜测input1代表被嵌入层包装的句子，但如果是这样的话，input2又是什么？它是sentEncoder的输出吗？如果是的话，它应该是一个浮点数，或者如果它是另一层嵌入的词，那么它也应该被嵌入层包装。

回答：

HAN模型以层级方式处理文本：它接受一个已经分割成句子的文档（这就是为什么input2的形状是(MAX_SENTS,MAX_SENT_LENGTH)）；然后它使用sentEncoder模型独立处理每个句子（这就是为什么input1的形状是(MAX_SENT_LENGTH,)），最后它一起处理所有编码后的句子。

所以在你的代码中，整个模型存储在model中，其输入层是input2，你会用已经分割成句子并将其中的词进行整数编码的文档来馈送它（以便与嵌入层兼容）。另一个输入层属于sentEncoder模型，该模型在model内部使用（而不是直接由你使用）：

review_encoder = TimeDistributed(sentEncoder)(review_input)