如何在 Keras Word Embedding 层中查找相似词

Question

从斯坦福大学的 CS244N 课程中，我知道 Gensim 提供了一种很好的方法来处理嵌入数据：most_similar

我试图在 Keras 嵌入层中找到一些等效项，但我找不到。不可能从 Keras 开箱即用？还是上面有任何包装纸？

Answer 1

一个简单的实现是：

def most_similar(emb_layer, pos_word_idxs, neg_word_idxs=[], top_n=10):
    weights = emb_layer.weights[0]

    mean = []
    for idx in pos_word_idxs:
        mean.append(weights.value()[idx, :])

    for idx in neg_word_idxs:
        mean.append(weights.value()[idx, :] * -1)

    mean = tf.reduce_mean(mean, 0)

    dists = tf.tensordot(weights, mean, 1)
    best = tf.math.top_k(dists, top_n)

    # Mask words used as pos or neg
    mask = []
    for v in set(pos_word_idxs + neg_word_idxs):
        mask.append(tf.cast(tf.equal(best.indices, v), tf.int8))
    mask = tf.less(tf.reduce_sum(mask, 0), 1)

    return tf.boolean_mask(best.indices, mask), tf.boolean_mask(best.values, mask)

当然你需要知道单词的索引。我假设你有一个 word2idx 映射，所以你可以这样得到它们：[word2idx[w] for w in pos_words].

使用方法：

# Assuming the first layer is the Embedding and you are interested in word with idx 10
idxs, vals = most_similar(model.layers[0], [10])

with tf.Session() as sess:
    init = tf.global_variables_initializer()
    sess.run(init)
    idxs = sess.run(idxs)
    vals = sess.run(vals)

该功能的一些潜在改进：

确保returnstop_n个字（屏蔽后returns个字少）
gensim 使用规范化嵌入 (L2_norm)

如何在 Keras Word Embedding 层中查找相似词

How to find similar words in Keras Word Embedding layer

keras

word-embedding