从Keras Embedding层获取词向量的方法

Question

我目前正在使用一个Keras模型，它有一个嵌入层作为第一层。为了可视化单词之间的关系和相似性，我需要一个函数来返回词汇表中每个元素的单词和向量的映射（例如“love”-[0.21，0.56，…，0.65，0.10]）。

有办法吗？

Answer 1

通过使用嵌入层的get_weights()方法（即嵌入层的权重实际上是嵌入向量），可以获得单词嵌入：

# if you have access to the embedding layer explicitly
embeddings = emebdding_layer.get_weights()[0]

# or access the embedding layer through the constructed model 
# first `0` refers to the position of embedding layer in the `model`
embeddings = model.layers[0].get_weights()[0]

# `embeddings` has a shape of (num_vocab, embedding_dim) 

# `word_to_index` is a mapping (i.e. dict) from words to their index, e.g. `love`: 69
words_embeddings = {w:embeddings[idx] for w, idx in word_to_index.items()}

# now you can use it like this for example
print(words_embeddings['love'])  # possible output: [0.21, 0.56, ..., 0.65, 0.10]