我正在尝试掌握分层注意力网络(HAN)的概念,我在网上找到的大多数代码或多或少与此处的代码相似：https://medium.com/jatana/report-on-text-classification-using-cnn-rnn-han-f0e887214d5f：
embedding_layer=Embedding(len(word_index)+1,EMBEDDING_DIM,weights=[embedding_matrix],input_length=MAX_SENT_LENGTH,trainable=True)
sentence_input = Input(shape=(MAX_SENT_LENGTH,),dtype='int32',name='input1')
embedded_sequences = embedding_layer(sentence_input)
l_lstm = Bidirectional(LSTM(100))(embedded_sequences)
sentEncoder = Model(sentence_input,l_lstm)
review_input = Input(shape=(MAX_SENTS,MAX_SENT_LENGTH),name='input2')
review_encoder = TimeDistributed(sentEncoder)(review_input)
l_lstm_sent = Bidirectional(LSTM(100))(review_encoder)
preds = Dense(len(macronum),activation='softmax')(l_lstm_sent)
model = Model(review_input,preds)
我的问题是：这里的输入层代表什么？我猜测input1代表用嵌入层包装的句子,但是在这种情况下,input2是什么？它是sendEncoder的输出吗？在这种情况下,它应该是浮点数,或者如果它是嵌入单词的另一层,那么它也应该被嵌入层包裹.
最佳答案
HAN模型以层次结构处理文本：它采用已经拆分为句子的文档(这就是input2的形状为(MAX_SENTS,MAX_SENT_LENGTH)的原因)；然后使用sendEncoder模型独立处理每个句子(这就是input1的形状为(MAX_SENT_LENGTH,)的原因),最后将所有编码的句子一起处理.
因此,在您的代码中,整个模型都存储在model中,其输入层是input2,您将输入已拆分为句子且其词已进行整数编码(使其与嵌入层兼容)的文档.另一个输入层属于sendEncoder模型,该模型在模型内部使用(并非直接由您使用)：
review_encoder = TimeDistributed(sentEncoder)(review_input)