embedding_Keras嵌入层

Keras提供了一个嵌入层，可用于处理文本数据的神经网络。他要求输入数据进行整数编码，以便每个单词都由唯一的整数表示。该数据准备步骤可以使用提供有Keras的Tokenizer API来执行。

嵌入层使用随机权重初始化，并将学习所有数据集中词的嵌入。

它是一个灵活的层，可以以各种方式使用，如：

1、它可以单独使用来学习一个字嵌入，以后可以在另一个模型中使用。

2、它可以用作深度学习模型的一部分，其中嵌入与模型本身一起被学习。

3、它可以用于加载预训练的词嵌入模型，一种迁移学习。

嵌入层被定义为网络的第一个隐藏层，必须指定3个参数：

*input_dim：这是文本数据中词汇的大小。例如，如果你的数据是整数编码为0-10之间的值，则词表的大小将为11个字。

*output_dim：这是嵌入单词的向量空间的大小。它为每个单词定义了该层的输出向量的大小。例如，它可以是32或100甚至更大，根据问题来定。

*input_length：这是输入序列的长度，正如你为Keras模型的任何输入层定义的那样。例如如果你的输出文档包含1000个单词，则为1000。

例如，下面我们定义一个词汇量为200的嵌入层（例如，从0到199（包括整数）的整数编码单词），将词嵌入到32维的向量空间中，以及每次输入50个单词的输入文档。

e  = Embedding(200, 32, input_length=50)

嵌入层输出的是一个二维向量，每个单词对应一个输入序列（输入文档）。如果希望连接密集层直接到嵌入层，必须首先压扁2D输出矩阵。

from keras.preprocessing.sequence import pad_sequences
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import Flatten
from keras.layers.embeddings import Embedding

# define documents
docs = ['Well done!',
        'Good work',
        'Great effort',
        'nice work',
        'Excellent!',
        'Weak',
        'Poor effort!',
        'not good',
        'poor work',
        'Could have done better.']

# define class labels
labels = [1,1,1,1,1,0,0,0,0,0]

# integer encode the documents
vocab_size = 50
encoded_docs = [one_hot(d, vocab_size) for d in docs]
print(encoded_docs)

# pad documents to a max length of 4 words
max_length = 4
padded_docs = pad_sequences(encoded_docs, maxlen=max_length, padding='post')
print(padded_docs)

# define the model
model = Sequential()
model.add(Embedding(vocab_size, 8, input_length=max_length))
model.add(Flatten())
model.add(Dense(1, activation='sigmoid'))

# compile the model
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['acc'])

# summarize the model
print(model.summary())

# fit the model
model.fit(padded_docs, labels, epochs=50, verbose=0)

# evaluate the model
loss, accuracy = model.evaluate(padded_docs, labels, verbose=0)
print('Accuracy: %f' % (accuracy*100))

以下为实验结果：
[[33, 37], [18, 16], [31, 24], [33, 16], [5], [11], [34, 24], [11, 18], [34, 16], [48, 38, 37, 7]]

[[33 37  0  0]
 [18 16  0  0]
 [31 24  0  0]
 [33 16  0  0]
 [ 5  0  0  0]
 [11  0  0  0]
 [34 24  0  0]
 [11 18  0  0]
 [34 16  0  0]
 [48 38 37  7]]
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
embedding_1 (Embedding)      (None, 4, 8)              400       
_________________________________________________________________
flatten_1 (Flatten)          (None, 32)                0         
_________________________________________________________________
dense_1 (Dense)              (None, 1)                 33        
=================================================================
Total params: 433
Trainable params: 433
Non-trainable params: 0
_________________________________________________________________
None
Accuracy: 89.999998

Process finished with exit code 0