one-hot浅谈

首先为什么有one-hot？

如果在文本分类或者图片标签分类的过程中有3类，猫，狗，羊，最简单的标签我们可以让猫是0，狗是1，羊是2，但这就有一个问题，如果算距离的话，猫和狗的距离是1，但猫和羊的距离是2，不符合类别之前相互独立的特点。因此我们就可以用一个矩阵来表示：
猫用[1,0,0]表示，狗用[0,1,0]表示，羊用[0,0,1]表示；这样相互之间的距离都相等。如果预测的向量[0.8,0.1,0.1]那我们就可以认为是猫。

one-hot在nlp中的应用

如果我们想用one-hot来表示一句话，比如：我喜欢吃番茄；奶奶喜欢吃番茄；我喜欢奶奶；那么我们就可以首先对这三句话分词，一共有以下几个词：[我，喜欢，吃，番茄，奶奶]，然后第一句可以表示为[1,1,1,1,0]，第二句可以表示为[0,1,1,1,1]，第三句可以表示为[1,1,0,0,1]

代码实现

from keras.preprocessing.text import Tokenizer

tokens_samples = ['我 喜欢 吃 番茄', '奶奶 喜欢 吃 番茄', '我 喜欢 奶奶']

#构建单词索引
tokenizer = Tokenizer()
tokenizer.fit_on_texts(tokens_samples)

word_index = tokenizer.word_index
print(word_index)  
print(len(word_index)) 

# 将词替换成索引
sequences = tokenizer.texts_to_sequences(tokens_samples)
print(sequences)  

# 构建one-hot编码
one_hot_results = tokenizer.texts_to_matrix(tokens_samples)

print(one_hot_results)

参考：【NLP修炼系列之词向量（一）】详解one-hot编码&实战