scikit-learn - 文本语料库中单词的一种热编码

Question

我如何使用 tensorflow 创建一个单词的热编码，每个单词由词汇量大小的稀疏向量表示，该特定单词的索引等于 1 ？

有点像

oneHotEncoding(words = ['a','b','c','d']) -> [[1,0,0,0],[0,1,0,0],[0 ,0,1,0],[0,0,0,1]] ?

Answer 1

Scikits 一个热编码器采用一个整数数组 ( http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html )。在您的示例的基础上，您可以使用字典将单词映射到整数并从那里开始:

import numpy as np
from sklearn.preprocessing import OneHotEncoder
wdict = {'a': 0, 'b': 1, 'c': 2, 'd': 3}
dictarr = np.asarray(wdict.values()).reshape(-1, 1)
enc = OneHotEncoder()
enc.fit(dictarr)
enc.transform([[2]]).toarray()

产生

array([[ 0.,  0.,  1.,  0.]])