Python 如何将多个序列设置为KERAS中的特征

我想用Keras建立命名实体识别模型。 以下是我遵循的链接：

数据如下所示：

                word label
0          Thousands     O
1                 of     O
2      demonstrators     O
3               have     O
4            marched     O
...              ...   ...
44187          there     O
44188   accidentally     O
44189             or     O
44190   deliberately     O
44191              .     O

他们使用单词到向量，因此他们对单词和标签进行索引，因此

X

是我的特征（单词索引序列），而

y

是我的结果（标签索引序列）：

但如果我有这样的数据集呢：

这里我有另一个专栏，那就是

POS

。如何将

POS

列的值添加到我的功能中？ 因此，基本上，我不希望在我的X*中只包含

word

值，我还希望在我的X*中包含

POS

值（或任何其他值） 如果我有多个列，例如：

word
POS
is_capital_letter
word_length

---

如何将所有这些列添加到Keras expect中的我的功能中[samples，timesteps，features]

• 样本是典型的独立观测值。在你的情况下，我假设这些是句子
• Timesteps是连续提供给模型的独立输入变量。这些应该是一句话中的单词
• 特征是一个观察的单独度量，也称为。一个单词的特征

在创建X的行中，假设w包含数据集中的一行（[word，label]），则对句子和单词进行交互，并转换“单一”特征（word）

如果您有多个功能作为数据集中的第一列n（目标是最后一列，例如[word、POS、is_大写字母、word_长度、…、标签]），并且您已在transforms中以与数据集中相同的顺序收集/定义了必要的“transform”词典，然后，您可以按如下方式生成输入和目标：

transforms=（word2idx，pos2idx，…）
X=[[[i][w[i]]]表示范围内的i（n）]表示s中的w]表示s中的s
Y=[[label2idx[w[n]]表示s中的w]表示s中的s

当然，如果您有数字或其他类型的功能，那么您应该使用其他方法进行转换，而不是word2idx、pos2idx等。。。dicts，例如单词长度的MinMaxScaling等

填充也适用于新的X和Y，但它使用相同的值扩展每个特征，使其长度max_len。根据每个特征的subtitute值，这里很可能使用详细的填充

word
POS
is_capital_letter
word_length