在 QA 系统中用不同长度的句子训练神经网络
Train neural network with sentences of different length in a QA system
我正在尝试按照 paper 上显示的说明实施 QA 系统。我已经正确导入了一些数据集，并使用 word2vec 方法将单词转换为向量。在词嵌入之后，需要在 CNN 中插入问题和答案。鉴于每个 question/answer 具有不同的长度，输入张量的大小应该是多少？ （每个 question/answer 是一个向量数组）。
论文摘录：
q_emb是word embedding后的问题，r_w_k是a长度为 d.
的词向量
应该使用 M（Q/A 的长度）的正确值是哪个？你能告诉我一些解决这个问题的方法或者只是给我一些帮助吗？谢谢
确定最大 question/answer 向量数组长度并使输入张量的形状为 (num_samples, max_qa_length, word_embedding_size)。对于短于 max_qa_length 的问题，在末尾用零向量填充它们。
我正在尝试按照 paper 上显示的说明实施 QA 系统。我已经正确导入了一些数据集，并使用 word2vec 方法将单词转换为向量。在词嵌入之后，需要在 CNN 中插入问题和答案。鉴于每个 question/answer 具有不同的长度，输入张量的大小应该是多少？ （每个 question/answer 是一个向量数组）。
论文摘录：
q_emb是word embedding后的问题，r_w_k是a长度为 d.
的词向量应该使用 M（Q/A 的长度）的正确值是哪个？你能告诉我一些解决这个问题的方法或者只是给我一些帮助吗？谢谢
确定最大 question/answer 向量数组长度并使输入张量的形状为 (num_samples, max_qa_length, word_embedding_size)。对于短于 max_qa_length 的问题，在末尾用零向量填充它们。