如何使用Keras中的自定义功能进行文本分类

Question

我正在为一个使用Keras的Python文本分类程序工作。现在，我尝试只使用数据集中的单词创建模型，使用单词包。现在我将在我的分类器中使用其他自定义特性（如极性），但我不知道如何在代码中添加这些特性。我的数据集如下：

 Text                    | Polarity | Number of words | Classification 

 Hello my name is John   |    0,05  |        5        |        0
 How old are you?        |    0,00  |        4        |        1
 I'm very hungry         |   -0,05  |        4        |        0

中间的两个列是我的自定义特性，我想添加到分类器中，但我不知道如何添加。在

^{pr2}$

在这个例子中，我只使用了第一列内容的单词包特性，我想添加另外两个类似列的特性（极性、字数）。有人知道怎么加这些吗？提前谢谢。在

Answer 1

对于单词包，你可以把你的数字特征连接到你的弓向量上。因此，你可以使用numpy，甚至更简单的熊猫。然后你就有了一个向量，它包含了维数max_words+自定义的_数值特征。在

不管怎么说，我做了一些类似的事情，用了很多方法，比如弓和嵌入。在

这是一个好主意，在你的网络中快速表达文本特征和数字特征。为此，您可以使用多个输入模型。我刚刚写了一篇博客，你可以看看here。有嵌入使用，但一般情况下，它也适用于弓。在