Keras---text.Tokenizer:文本与序列预处理
keras中文文档:http://keras-cn.readthedocs.io/en/latest/preprocessing/text/
1.简介
在进行自然语言处理之前,需要对文本进行处理。
本文介绍keras提供的预处理包keras.preproceing下的text与序列处理模块sequence模块
2.text模块提供的方法
- text_to_word_sequence(text,fileter) 可以简单理解此函数功能类str.split
- one_hot(text,vocab_size) 基于hash函数(桶大小为vocab_size),将一行文本转换向量表示(把单词数字化,vocab_size=5表示所有单词全都数字化在5以内)
3. text.Tokenizer类
- 这个类用来对文本中的词进行统计计数,生成文档词典,以支持基于词典位序生成文本的向量表示。
- init(num_words) 构造函数,传入词典的最大值
3.1 成员函数
- fit_on_text(texts) 使用一系列文档来生成token词典,texts为list类,每个元素为一个文档。
- texts_to_sequences(texts) 将多个文档转换为word下标的向量形式,shape为[len(texts),len(text)] – (文档数,每条文档的长度);
- texts_to_matrix(texts) 将多个文档转换为矩阵表示,shape为[len(texts),num_words];
3.2 成员变量
- document_count 处理的文档数量
- word_index 一个dict,保存所有word对应的编号id,从1开始
- word_counts 一个dict,保存每个word在所有文档中出现的次数
- word_docs 一个dict,保存每个word出现的文档的数量
- index_docs 一个dict,保存word的id出现的文档的数量
3.3代码示例
from keras.preprocessing.text import Tokenizersamples = ['The cat sat on the mat.', 'The dog ate my homework.']
tokenizer = Tokenizer(num_words=1000) # 只考虑前1000个最常见的单词
tokenizer.fit_on_texts(samples) # 建立字典,构建单词索引sequences = tokenizer.texts_to_sequences(samples) # 将字符串转换为整数索引组成的列表one_hot_results = tokenizer.texts_to_matrix(samples, mode='binary') # 将多个文档转换为矩阵表示形式word_index = tokenizer.word_index
print('Found %s unique tokens.' % len(word_index))
Keras---text.Tokenizer:文本与序列预处理相关推荐
- text.Tokenizer类
keras提供的预处理包keras.preproceing下的text与序列处理模块sequence模块 1. text模块提供的方法 text_to_word_sequence(text,filet ...
- Keras的Tokenizer分词器
Tokenizer类 keras.preprocessing.text.Tokenizer(num_words=None, filters='!"#$%&()*+,-./:;< ...
- css字体 text,css文本样式text、字体样式font
文本样式text 1.文本颜色color 例如h1 {color:red;} 2.文本方向direction,不常用 默认ltr从左到右,rtl表示从右到左 3.文本水平对齐方式text-align ...
- Unity Text富文本(文本变得多姿多彩)
Unity Text富文本(文本变得多姿多彩) 实例: 步骤如下: 1.创建一个UI Text 2.Text组件中的Rich Text要勾选上 3.写内容 html控制代码 实例: 步骤如下: 1.创 ...
- python attention机制_[深度应用]·Keras实现Self-Attention文本分类(机器如何读懂人心)...
[深度应用]·Keras实现Self-Attention文本分类(机器如何读懂人心) 笔者在[深度概念]·Attention机制概念学习笔记博文中,讲解了Attention机制的概念与技术细节,本篇内 ...
- 高德地图实现marker标记,Text多点文本标记,标记信息窗体,手动选点功能
1.marker标记,Text多点文本标记,标记信息窗体 效果: 代码: <!DOCTYPE html> <html> <head><meta charset ...
- 嵌入式GUI LVGL『Text Area文本区域控件』介绍
一. LVGL GUI文本区域控件的概念 文本区域是一个带有标签和光标的页面.文本或字符可以添加到它.长行被换行,当文本足够长时,可以滚动文本区域. 二. LVGL GUI文本区域小部件和样式 文本区 ...
- uni-app text、文本、selectable、自定义长按选择菜单、修改系统菜单键(双端)
uni-app text.文本.selectable.自定义长按选择菜单.修改系统菜单键(双端):https://ext.dcloud.net.cn/plugin?id=10586 <templ ...
- Talk | 微软亚洲研究院宋恺涛南大余博涛:面向文本/音乐序列任务的Transformer注意力机制设计
本期为TechBeat人工智能社区第456期线上Talk! 北京时间11月22日(周二)20:00,微软亚洲研究院研究员--宋恺涛与南京大学硕士研究生--余博涛的Talk将准时在TechBeat人工智 ...
最新文章
- html怎么制作固定背景,使用CSS制作的页面背景固定和滚动效果
- Delphi基础必记-快捷键
- 史上最全 | 数据分析技能详细拆解,一张图覆盖全流程知识细节和资源推荐(附下载)...
- android常见异常总结
- 如何搭建python框架_从0到1告诉你搭建完整Python+requests接口自动化测试框架!
- 程序员,Linux 下如何避免从删库到跑路的悲剧?
- 列线图计算每个患者得分,并生成Roc曲线。
- java基础总结(七十)--Java8中的parallelStream的坑
- 【爬虫】Web Scraper正则表达式
- C# Dictionary源码解析
- 利用labelme将json标签批量转换为png【图像分割数据集】
- 王道考研计算机网络第六章——应用层
- mysql Access denied for user 'root'@'localhost' (using password: YES)
- 物联卡显示停用是怎么回事?物联网卡这些状态你都了解吗
- uniapp实现打印功能
- 传说她是西南师范大学校花
- checksum java_Checksum getChecksum()
- new echarts.graphic.LinearGradient内置渐变器
- 不容错过|额度管理与应用-银行信用卡行为评分篇(实操见)
- ODP的5个标准的视点组织分析系统的架构
热门文章
- 面试精讲之面试考点及大厂真题 - 分布式专栏 01 开篇词:我是怎样带你通过大厂面试
- Nginx限制对代理HTTP资源的访问速率
- Javascript - ES6新语法概览
- 容器编排技术 -- Kubernetes kubectl create service 命令详解
- 容器编排技术 -- 创建Kubernetes集群
- 浅谈 TypeScript【下】-- TypeScript 语言规范与基本应用
- 【Linux】Aria2 一键安装管理脚本 BT\PT一键安装包
- 【C语言】创建一个函数,并调用比较两个数的大小
- 【C语言】将输入的10个整数逆序输出
- 安装meme_新的Meme订单:通过简单的浏览器缓存更改游戏