使用 TensorFlow 的 RNN (LSTM) 语言模型获取给定序列的下一个单词的概率分布？

Question

我是运行 TensorFlow 的 RNN (LSTM) 语言模型示例 here。它运行并完美地报告了困惑。

不过我想要的是三样东西：

给定一个序列（例如 w1 w5 w2000 w750）给我下一个单词在词汇表中的概率分布。不知道怎么用教程里的模型做。
我希望模型return对最可能的序列（例如n-grams）进行排序，n可以作为输入。

和

给定一个序列，我想要它的概率。

我是 TensorFlow 和 RNN 的新手，所以如果您需要比我提供的更多的信息，请告诉我。

语言模型的代码是here。

Answer 1

我也是 tensorflow 和 RNN 的新手，所以这是我对你的问题的思考。
假设你有一个由 2000 个单词组成的语料库（太小），i-th LSTM 单元的输出是一个包含 2000 个元素的向量，每个元素对应一个概率，这个向量是 (i+1)th 的预测概率分布单词。
回到你的问题。

你只需要将输入[w1,w5,w2000,w750]喂给RNN，你会得到四个向量，每个向量有2000个元素（语料库中的词数），然后你拿起最后一个输出向量，这是 5th 单词的预测概率分布，您还可以对该向量执行 argmax 以找到 5th 位置最可能的单词。
我不知道这个问题，即使我可以为任何给定的序列分配概率。
同时考虑你的输入 [w1,w5,w2000,w750]，在计算 RNN 之后你有四个输出向量表示为 [v1,v2,v3,v4]，然后你只需要找到 [=18= 的概率] in v1, w2000 in v2, w750 in v3 并将这些概率相乘，这就是您输入的概率（未使用 v4，因为它是用于预测该序列的下一个单词，w1 也不会被使用，因为它通常是起始标记）。

编辑：

训练完模型后，您应该得到一个嵌入矩阵 embedding、一个 RNN 单元 cell 和一个 softmax weights/biases softmax_w / softmanx_b，您可以生成输出使用这三样东西。

python

def inference(inputs):
    """
    inputs: a list containing a sequence word ids
    """
    outputs = []
    state = cell.zero_state(1,tf.float32) # 1 means only one sequence
    embed = tf.embedding_lookup(embedding,inputs)
    sequence_length = len(inputs)
    for i in range(sequence_length):
        cell_output,state = cell(embed[:,i,:],state)
        logits = tf.nn.xw_plus_b(cell_output,softmax_w,softmax_b)
        probability = tf.nn.softmax(logits)
        outputs.append(probability)
    return outputs

最终输出的是一个包含len(inputs)个向量/张量的列表，你可以使用sess.run(tensor)得到张量的值，形式为numpy.array。
这是我编写的一个简单函数，应该让您大致了解如何在完成训练后生成输出。

Answer 2

我知道这可能来得有点晚，但我还是会回答的。使用 TensorFlow 2，可以使用 model.predict_proba() 函数获得构成模型的类的概率分布。在语言模型的上下文中，这将根据您使用的词汇生成序列中下一个单词的概率分布。

关于你的第二个问题，不知道可不可以。根据我的理解，这意味着你需要以不同的方式训练你的语言模型。我假设之前，您使用序列的最后一个组件作为标签，但在这种情况下，您可以改用 n-gram 序列。

你问的最后一个问题也是我目前面临的问题。如果你能找到这个问题的答案，请告诉我。

使用 TensorFlow 的 RNN (LSTM) 语言模型获取给定序列的下一个单词的概率分布？

Get the probability distribution of next word given a sequence using TensorFlow's RNN (LSTM) language model?

tensorflow

lstm

language-model