elmo 预训练模型的输出

Question

我正在从事情绪分析。我正在使用 elmo 方法来获取词嵌入。但我对这种方法给出的输出感到困惑。考虑张量流网站中给出的代码：

 elmo = hub.Module("https://tfhub.dev/google/elmo/2", trainable=True)
    embeddings = elmo(["the cat is on the mat", "dogs are in the fog"],
    signature="default",as_dict=True)["elmo"]

特定句子的嵌入向量会根据您提供的字符串数量而有所不同。详细解释让

 x = "the cat is on the mat"
 y = "dogs are in the fog"
 x1 = elmo([x],signature="default",as_dict=True)["elmo"]
 z1 = elmo([x,y] ,signature="default",as_dict=True)["elmo"] 

所以x1[0] 将不等于z1[0]。这会随着您更改字符串的输入列表而改变。为什么一个句子的输出取决于另一个。我没有训练数据。我只使用现有的预训练模型。在这种情况下，我很困惑如何将我的 cmets 文本转换为嵌入并用于情感分析。请解释一下。
注意：要获取嵌入向量，我使用以下代码：

 with tf.Session() as sess:
            sess.run(tf.global_variables_initializer())
            sess.run(tf.tables_initializer())
            # return average of ELMo features
            return sess.run(tf.reduce_mean(x1,1))

Answer 1

当我运行您的代码时，x1[0] 和 z1[0] 是相同的。但是，z1[1] 与

的结果不同

y1 = elmo([y],signature="default",as_dict=True)["elmo"]
return sess.run(tf.reduce_mean(y1,1))

因为 y 的标记比 x 少，并且盲目地减少超过末端的输出会捡起垃圾。

我建议使用“默认”输出而不是“elmo”，它可以实现预期的减少。请参阅模块文档。