使用预先训练的词嵌入和实际值

我已经创建了带有预训练词嵌入的Keras的NER模型。使用预先训练的词嵌入和实际值

我想添加到我的模型标签与字符串的长。

我没有找到办法。

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...)

来源

2017-07-19 Williamben

事实上，理想情况下，我想有一个ContextWindows这样的：

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

就目前而言，我有：

[embeddingWord1 embeddingCentralWord embeddingWord2]

来源

2017-07-21 09:33:05 Williamben

使用预先训练的词嵌入和实际值

回答

相关问题