python - 使用 word2vec 预训练向量，如何生成句子的 id 作为 tensorflow 中 tf.nn.embedding_lookup 函数的输入？

Question

要提取输入数据的嵌入表示，tensorflow 文档说我们可以使用以下内容:

embed = tf.nn.embedding_lookup(embeddings, input_data)

加入 TF documentation ，函数 tf.nn.embedding_lookup 的第二个参数是 ids 的张量:

ids: A Tensor with type int32 or int64 containing the ids to be looked up in params.

我的问题是:给定一个句子，比如说，

"Welcome to the world"

我如何表示并将其转换为ids？在下面的代码中，如何将我的句子转换为 input_data。

from gensim import models
embedding_path = "../embeddings/GoogleNews-vectors-negative300.bin"
w = models.Word2Vec.load_word2vec_format(embedding_path, binary=True)
X = w.syn0
W = tf.Variable(tf.constant(0.0, shape=X.shape),trainable=False, name="W")
embedding_placeholder = tf.placeholder(tf.float32, X.shape)
embedding_init = W.assign(embedding_placeholder)
embed = tf.nn.embedding_lookup(embedding_init, input_data)
sess = tf.Session()
sess.run(embed, feed_dict={embedding_placeholder: X})

Answer 1

我正在寻找类似这样的代码。我不知道 w 的类属性 - 在 gensim 网站上找不到它们。

s = "hello, how are you?"
tokens = tokenize(s)//function that returns a list of the tokens in a sentence

ids = []
for key in tokens:
  try:
    ids.append(w.vocab[key].index)
  except:
    ids.append(w.vocab['UNK'].index)