在Keras中嵌入层后添加词性特征

我想在Keras中嵌入层后将词性特征添加到词向量中。我希望将这些特征以独热编码(one hot)的形式添加,并在嵌入层后进行连接。但是,词的词性是动态变化的,因此我不能使用另一个嵌入层来进行词性独热编码的查找并将两个嵌入层结合起来。


回答:

这是一个简单的方法,我假设输入是一个词及其词性标签。

word = Input(...)pos = Input(...)emb = Embedding( ... ) (word)layer = Concatenate()([emb, pos])outputs = .... # 你的处理model = Model(inputs=[word,pos], outputs=outputs)

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注