Python Keras嵌入层是否可以为某个索引（例如：-1）提供随机向量，而不是固定向量

我有一个问题，我有文本（可以非常长，最多9000字），我需要嵌入到Keras层。我为每个文本选择固定大小5000，我需要填充每个序列以获得正确的形状。经典的方法是使用Keras的pad_序列，将索引列表作为输入列表，并用零填充或将索引列表削减到5000。 对于我的下游任务，我使用了一种受Kim论文（）启发的convnet。我关心的是，网络通过检测嵌入我用来填充序列的0的向量模式，在某种意义上学习字数。我并不是说这项功能不重要，但我想强迫网络学习偏好中的其他功能。我考虑了两件事，首先使用一个额外的任务（如对抗性任务），在输出之前使用模型创建的潜在表示，然后使用模型的一个分支来预测文本的大小或大小的簇，例如：

[,1000 words] -- cluster 1
[1001,2000words] -- cluster 2
 ect..

然后，通过在主损失项中添加对抗性损失，使用输出鼓励网络映射潜在空间中的其他信息。我的另一个想法是，我们可以使用随机向量，在训练时动态生成，而不是使用零向量来填充嵌入的零填充。（每次网络看到一个特定的索引，例如-1，它就知道它必须生成一个随机向量）。我认为它打破了使用零向量引入的对称性，并帮助模型更好地推广，因为它在训练过程中引入了噪声

由于我没有找到任何关于用零以外的东西填充这个任务的论文，我转向社区。你怎么认为？我经历了嵌入层的实现，我非常确定第二个想法在keras中的实现非常简单，通过为正确的索引更改K.gather（）（这将是更长的执行时间）

提前感谢您的反馈和资源