使用預先訓練的詞嵌入和實際值

我已經創建了帶有預訓練詞嵌入的Keras的NER模型。使用預先訓練的詞嵌入和實際值

我想添加到我的模型標籤與字符串的長。

我沒有找到辦法。

def model_keras(windows, embedding_w): 
    context_columns = [] 
    for i in range(windows): 
     context_columns = Sequential() 
     context_columns.add(Embedding(....weights = [embedding_w],trainable=False) 
     context_columns += [context_columns] 
    ContextWindows = Merge(context_columns, mode='concat') 
    model = Sequential() 
    model.add(ContextWindows) 
    model.add(SimpleRNN...)

來源

2017-07-19 Williamben

事實上，理想情況下，我想有一個ContextWindows這樣的：

[embeddingWord1 valueCentralWord (if number else 0) isNumberCentralWord(0/1) isintvaleurCentralWord(0/1) embeddingWord2]

就目前而言，我有：

[embeddingWord1 embeddingCentralWord embeddingWord2]

來源

2017-07-21 09:33:05 Williamben

使用預先訓練的詞嵌入和實際值

回答

相關問題