如何使用自己的单词嵌入与Keras中的word2vec之类的预训练嵌入

Question

我有一个共存矩阵存储在一个CSV文件中，其中包含单词和表情符号之间的关系，如下所示：

word emo1 emo2 emo3
w1   0.5   0.3  0.2
w2   0.8   0    0
w3   0.2   0.5  0.2

这个共生矩阵很大，有1584755行和621列。我在Sequential() LSTM有一个Keras模型，我使用预训练（word2vec）字嵌入。现在我想将共生矩阵用作另一个嵌入层。我怎样才能做到这一点？我目前的代码是这样的：

model = Sequential()
model.add(Embedding(max_features, embeddings_dim, input_length=max_sent_len, weights=[embedding_weights]))
model.add(Dropout(0.25))
model.add(Convolution1D(nb_filter=nb_filter, filter_length=filter_length, border_mode='valid', activation='relu', subsample_length=1))
model.add(MaxPooling1D(pool_length=pool_length))
model.add(LSTM(embeddings_dim))
model.add(Dense(reg_dimensions))
model.add(Activation('sigmoid'))
model.compile(loss='mean_absolute_error', optimizer='adam')
model.fit( train_sequences , train_labels , nb_epoch=30, batch_size=16) 

此外，如果共生矩阵是稀疏的，那么在嵌入层中使用它的最佳方法是什么？

Answer 1

您可以使用Embedding图层并设置自己的权重矩阵，如下所示：

Embedding(n_in, n_out, trainable=False, weights=[weights])

如果我理解你正确weights将是你的共生矩阵，n_in行数和n_out列数。

您可以在this博客文章中找到更多信息和示例。