我已经使用 keras 来使用预训练词嵌入,但我不太确定如何在 scikit-learn 模型上使用它。
我也需要在 sklearn 中执行此操作,因为我正在使用 vecstack 来集成 keras 顺序模型和 sklearn 模型。
这是我为 keras 模型所做的:
glove_dir = '/home/Documents/Glove'
embeddings_index = {}
f = open(os.path.join(glove_dir, 'glove.6B.200d.txt'), 'r', encoding='utf-8')
for line in f:
values = line.split()
word = values[0]
coefs = np.asarray(values[1:], dtype='float32')
embeddings_index[word] = coefs
f.close()
embedding_dim = 200
embedding_matrix = np.zeros((max_words, embedding_dim))
for word, i in word_index.items():
if i < max_words:
embedding_vector = embeddings_index.get(word)
if embedding_vector is not None:
embedding_matrix[i] = embedding_vector
model = Sequential()
model.add(Embedding(max_words, embedding_dim, input_length=maxlen))
.
.
model.layers[0].set_weights([embedding_matrix])
model.layers[0].trainable = False
model.compile(----)
model.fit(-----)
我是 scikit-learn 的新手,根据我所见,您可以在 sklearn 中制作模型:
lr = LogisticRegression()
lr.fit(X_train, y_train)
lr.predict(x_test)
那么,我的问题是如何将预训练的 Glove 与该模型一起使用?我在哪里传递预训练手套 embedding_matrix
非常感谢,非常感谢您的帮助。
请您参考如下方法:
您可以简单地使用 Zeugma图书馆。
您可以使用 pip install zeugma 安装它,然后使用以下代码行创建和训练您的模型(假设 corpus_train 和 corpus_test是字符串列表):
from sklearn.linear_model import LogisticRegresion
from zeugma.embeddings import EmbeddingTransformer
glove = EmbeddingTransformer('glove')
x_train = glove.transform(corpus_train)
model = LogisticRegression()
model.fit(x_train, y_train)
x_test = glove.transform(corpus_test)
model.predict(x_test)
您还可以使用不同的预训练嵌入(完整列表 here)或训练您自己的嵌入(请参阅 Zeugma's documentation 了解如何执行此操作)。
