【问题标题】：TypeError: Can't convert 'text': data type not understoodTypeError：无法转换“文本”：无法理解数据类型
【发布时间】：2018-11-28 14:13:07
【问题描述】：

我正在尝试为一个段落做一个嵌入过程，这个过程被谷歌称为“通用句子编码”。这需要为深度学习分类过程完成。这给了我以下错误：

DAN U-S-E 模型（谷歌）：

module_url = "https://tfhub.dev/google/universal-sentence-encoder/2"

embed = hub.Module(module_url)

with tf.Session() as session:
  session.run([tf.global_variables_initializer(), tf.tables_initializer()])
  message_embeddings = session.run(embed(train_clean_sentences))

错误： ~\AppData\Local\Continuum\anaconda3\lib\site- packages\tensorflow_hub\tensor_info.py in_convert_to_compatible_tensor(value,target, error_prefix)
117 张量 = tf.convert_to_tensor_or_indexed_slices（值，target.dtype）
118 除了 TypeError 作为 e:
--> 119 引发 TypeError("%s: %s" % (error_prefix, e))
120 如果 _is_sparse（张量）！= _is_sparse（目标）：
121如果_is_sparse（张量）：

TypeError：无法转换“文本”：无法理解数据类型

我不确定错误是什么，感谢任何帮助！

【问题讨论】：

标签： python encoding word-embedding sentence python-embedding

【解决方案1】：

在上面的代码中（在问题中），“train_clean_sentences”输入是 pandas.series 数据类型，因为它是 pandas 数据框列。一旦我将 pandas.series 数据类型转换为列表，嵌入代码就可以工作。

train_clean_sentences = df['Cleansed_X'].tolist()

【讨论】：