如何在 keras/tensorflow 中使用学习过的 word2vec？答案

【问题标题】：How to use learned word2vec in keras/tensorflow?如何在 keras/tensorflow 中使用学习过的 word2vec？
【发布时间】：2017-08-02 13:19:12
【问题描述】：

我想对两种类型的句子进行分类：陈述和问题。为此，我需要已经学习过 word2vec NN 来传递句子并抛出它并接收每个句子的 2d 数组，例如：

[[~300 项]，[~300 项]，[~300 项]，...]

“300”是词向量的近似长度。

keras 是怎么做到的？哪个库更好用？

【问题讨论】：

【解决方案1】：

我建议您使用Embedding 层并设置其权重：

input = Input(shape=(seq_len,))
embedding = Embedding(input_dim=vocabulary_size, 
    output_dim=300, weights=[your_w2v_matrix])(input)
...

Here你可以找到一个非常相似的问题。

【讨论】：

该问题的答案是指帖子ben.bolte.cc/blog/2016/keras-gensim-embeddings.html。但是这个帖子看不懂
我的答案中显示的 Embedding 层也应该可以解决您的问题。
你能展示部分代码，它将句子转换为 word2vec 向量数组吗？
如果你指定你的句子和 w2v 矩阵的格式。
我没有任何格式。简单地说，有 2 个数组。第一个数组包含语句，第二个 - 问题。我什至没有任何火车样本。所以这是“抽象”句子，实际上我猜它应该是什么格式并不重要。以及关于 w2v 矩阵。我其实不知道它是什么。对我来说，w2v 转换是黑盒转换。那么，在这种情况下你能帮我吗？