elmo预训练模型的输出

Question

我在做情绪分析。我正在使用elmo方法来获取单词嵌入。但我对这个方法给出的输出结果感到困惑。考虑张量流网站中给出的代码：

 elmo = hub.Module("https://tfhub.dev/google/elmo/2", trainable=True)
    embeddings = elmo(["the cat is on the mat", "dogs are in the fog"],
    signature="default",as_dict=True)["elmo"]

特定句子的嵌入向量根据给出的字符串数而不同。详细解释

 x = "the cat is on the mat"
 y = "dogs are in the fog"
 x1 = elmo([x],signature="default",as_dict=True)["elmo"]
 z1 = elmo([x,y] ,signature="default",as_dict=True)["elmo"] 

因此，x1[0]将不等于z1[0]。当您更改字符串的输入列表时，情况会发生变化。为什么一个句子的输出取决于另一个句子。我不是在训练数据。我只使用现有的预先训练过的模型。在这种情况下，我很困惑如何将我的评论文本转换为嵌入并用于情感分析。请解释一下。

注意事项：为了获得嵌入向量，我使用以下代码：

 with tf.Session() as sess:
            sess.run(tf.global_variables_initializer())
            sess.run(tf.tables_initializer())
            # return average of ELMo features
            return sess.run(tf.reduce_mean(x1,1))

Answer 1

当我运行您的代码时，x1和z1是相同的。但是，z11与

y1 = elmo([y],signature="default",as_dict=True)["elmo"]
return sess.run(tf.reduce_mean(y1,1))

因为y比x有更少的记号，并且盲目地减少超过-结束的输出会捡到垃圾。

我建议使用“默认”输出，而不是"elmo"，它可以完成预期的缩减。请参阅模块文档。