Keras的文本矢量化不考虑符号

我试着对句子中的字符进行一次热编码。假设我的字母表是：

alphabet = ['a','b','!', '#', '&']

我使用：

from tensorflow.keras.layers.experimental.preprocessing import TextVectorization
vectorizer = TextVectorization(output_mode = 'binary')
vectorizer.adapt([alphabet])
int_data = vectorizer(['a', '#', 'c'])
print(int_data)

输出为：

tf.Tensor(
[[0. 0. 1.]
 [0. 0. 0.]
 [1. 0. 0.]], shape=(3, 3), dtype=float32)

vectorizer

正确地选择了字母表中的热代码

a

，以及字母表中没有的热代码

c

。但是，它不能正确地显示一个热代码。从返回的一个热编码向量的长度可以进一步看出这一点，热编码向量的长度应该等于字母向量的长度，但在这种情况下更短。它完全忽略了字母表中的符号

出了什么问题？如何修复呢？我可以手动编写一个热代码，但我更喜欢使用keras预处理功能