tf.keras.preprocessing.sequence.skipgrams()是Tensorflow预处理模块的一个函数,其功能是根据输入条件生成词汇对。因为可能是跳n个词生成的词汇对,所以也叫跳字模型。其定义如下:
tf.keras.preprocessing.sequence.skipgrams(sequence, vocabulary_size,
window_size=4, negative_samples=1., shuffle=True,
categorical=False, sampling_table=None)
主要参数说明如下:
- sequence:词汇索引数组,整数
- vocabulary_size:词汇表大小
- window_size:正样本对之间的距离
- negative_samples:大于0的浮点数,等于0代表没有负样本,等于1代表负样本与正样本数目相同,以此类推(即负样本的数目是正样本的negative_samples倍)
- shuffle:布尔值,是否随机打乱样本
- categorical:布尔值,确定是否要使得返回的标签具有确定类别
- sampling_table:形如vocabulary_size的数组,此数组保存的是单词出现的概率。如果单词出现的概率小于随机数(系统程序中调用),则跳过产生单词对。也就是说,单词出现的概率会与一个随机数比较,以决定是否生成单词对。
简单的例子如下:
假设一个英文句子为“The quick brown fox jumps over lazy dog”,一共有8个单词,由于index=0是特殊的,所以输入的下标数组从1开始。代码如下:
s=np.arange(1,9)
couples, labels = tf.keras.preprocessing.sequence.skipgrams(s,
vocabulary_size=8,window_size=1,shuffle=False,negative_samples=0)
输出的couples为:
[[1, 2],
[2, 1],
[2