关于IMDB 数据集中代码decoded_review = ' '.join([reverse_word_index.get(i - 3, '?') for i in train_data[0]])
看到代码decoded_review = ' '.join([reverse_word_index.get(i - 3, '?') for i in train_data[0]])这个i-3怎么都不理解。
书中解释是如下:“将评论解码。注意,索引减去了3,因为0、1、2是为“padding”(填充)、“start of sequence”(序列开始)、“unknown”(未知词)分别保留的索引”
我去年想明白了,但今年看第二版时又忘了,所以写下来我的理解,imdb.get_word_index()这个是单词映射整数的字典,将其键值颠倒,变为根据索引查单词。
这句话的意思是文字先是映射成整数数字,但是0、1、2这三个数字是为了“padding”(填充)、“start of sequence”(序列开始)、“unknown”(未知词)保留的,也就是说单词映射数字不是从数字0开始,而是数字3开始,所以在单词映射数字时要先加3才是数字单词字imdb.get_word_index()的结果,所以翻过来就应该每个单词编号-3。
以上是我的理解,欢迎大家交流讨论。