有人可以向我解释一下 Tensorflow BoW 编码器正在做什么/返回什么吗？我希望获得每个文档的字数向量（就像在 sklearn 中一样），但是，显然它正在做一些更奇特的事情。
在这个例子中：
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/learn/text_classification.py https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/learn/text_classification.py
features = encoders.bow_encoder(
features, vocab_size=n_words, embed_dim=EMBEDDING_SIZE)
传递了“embed_dim”，我也不明白这在 BoW 编码的上下文中正在做什么。遗憾的是该文档不是很有帮助。我肯定可以尝试完成 Tensorflow 代码，但是，我希望得到高级解释。
在经典的 BOW 模型中，每个单词都由一个 ID（稀疏向量）表示。 Bow_encoder 将这些稀疏向量映射到另一个层，其大小由“embed_dim”指定。 Bow_encoder 用于学习单词或文本的密集向量表示（例如在 word2vec 模型中）。
来自关于 Bow_encoder 的张量流文档：
“通过平均嵌入，将每个示例的符号序列映射到向量。”
因此：
如果 Bow_encoder 的输入是单个单词，则它仅映射到嵌入层。当一个句子（或文本）被逐字映射时，最终的嵌入向量被平均。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
