使用Keras中embedding的词嵌入的记录

参考了 MXuDong博主的博文：https://blog.youkuaiyun.com/qq_33472765/article/details/86561245

kera 的embeding层设置初始值的两种方式：

1、使用weights参数指明embedding初始值

2、使用embeddings_initializer=keras.initializers.Constant（词向量）

如果同时传入embeddings_initializer和weights参数，那么weights参数稍后会把Embedding#embeddings覆盖掉。

使用weights给Layer的变量赋值是一个比较通用的方法，但是不够直观。keras鼓励多多使用明确的initializer，而尽量不要触碰weights

嵌入层将正整数（下标）转换为具有固定大小的向量，如[[4],[20]]->[[0.25,0.1],[0.6,-0.2]]。[[4],[20]]表示一句话由两个单词组成，第一个单词在词向量的位置为4，第二个单词位置为20而位置为4的单词，对应的二维词向量就是[0.25,0.1];类似，位置为20的单词的词向量为[0.6,-0.2]

demo使用预训练（word2vec）词向量

 

# 加载分词后的文本，使用的是Text8Corpus类
sentences = word2vec.Text