我想创建一个为文档生成嵌入的模型。我可以创建模型，但我想知道如何实现一个训练方案，其中数据由两个相同或不同的文档组成，并与模型并行输入（两个实例同时运行），这将为其各自的文档创建嵌入。我想使用余弦距离来查看相似性，对于相同的文档，距离会更低。我将如何训练/实施这个？
如何在 Keras 中实现模型以基于文档生成嵌入？
数据挖掘
深度学习
喀拉斯
嵌入
2022-03-07 03:46:34
1个回答
对于初学者，这取决于您尝试创建文档嵌入的原因。
有TF-IDF算法；它易于掌握和实现，并且有助于使用余弦距离作为度量。要并行训练，您可能可以将两个文档都输入模型，并使用同步计数器进行计算，例如词频和逆文档频率，最后您可以使用这些值来缩放 TFIDF 矩阵的元素。
或者，您可以使用此处解释的 Doc2Vec 算法。它是 Word2Vec 模型的扩展，但并行训练这个模型可能更复杂。
我敢肯定还有更多方法，但这是我所知道的两种最受欢迎的方法。