Python 使用单词嵌入和TFIDF向量的LSTM

我试图在具有文本属性和TFIDF向量的数据集上运行LSTM。我将word嵌入文本并输入到LSTM层。接下来，我连接LSTM输出和TFIDF向量。但是，下面代码中的第2行抛出以下错误：

“ValueError:调用层lstm_1时使用的输入不是符号张量。接收的类型：。完整输入：[]。层的所有输入都应该是张量。”

代码如下所示，其中len（术语索引）+1=9891，emb_Dim=100，emb_Mat包含浮点数并具有形状[9891100]，sen_len=1000：

    embed = Embedding(len(term_Index) + 1, emb_Dim, weights=[emb_Mat], 
    input_length=sen_Len, trainable=False)
    lstm = LSTM(60, dropout=0.1, recurrent_dropout=0.1)(embed)
    tfidf_i = Input(shape=(max_terms_art,))
    conc = Concatenate()(lstm, tfidf_i)
    drop = Dropout(0.2)(conc)
    dens = Dense(1)(drop)
    acti = Activation('sigmoid')(dens)

    model = Model([embed, tfidf_i], acti)
    model.compile(optimizer='adam', loss='binary_crossentropy', metrics = ['accuracy'])
    history = model.fit([features_Train, TFIDF_Train], target_Train, epochs = 50, batch_size=128, validation_split=0.20)

---

看来我无法重现你的错误。在我添加括号后，代码运行得非常好。请参见下面的我的代码：

从tensorflow.keras.layers导入输入、嵌入、LSTM、连接、退出、密集、激活
来自tensorflow.keras导入模型
导入tensorflow作为tf
将numpy作为np导入
emb_Mat=tf.random.normal（（9891100））.numpy（）
术语索引=tf.random.uniform（（9890，）.numpy（）
sen_Len=1000
emb_Dim=100
最大期限艺术=500
inp=输入（形状=（len（术语索引）
嵌入=嵌入（len（term_Index）+1，emb_Dim，weights=[emb_Mat]，input_length=sen_len，trainable=False）（inp）
lstm=lstm（60，辍学率=0.1，经常性辍学率=0.1）（嵌入）
tfidf_i=输入（形状=（最大术语艺术）
conc=Concatenate（）（[lstm，tfidf_i]）
下降=下降（0.2）（浓度）
密度=密度（1）（下降）
acti=激活（‘乙状结肠’）（密度）
模型（[inp，tfidf_i]，acti）.summary（）

产出：

Model: "model_2"
__________________________________________________________________________________________________
Layer (type)                    Output Shape         Param #     Connected to                     
==================================================================================================
input_16 (InputLayer)           [(None, 9890)]       0                                            
__________________________________________________________________________________________________
embedding_15 (Embedding)        (None, 9890, 100)    989100      input_16[0][0]                   
__________________________________________________________________________________________________
lstm_8 (LSTM)                   (None, 60)           38640       embedding_15[0][0]               
__________________________________________________________________________________________________
input_17 (InputLayer)           [(None, 500)]        0                                            
__________________________________________________________________________________________________
concatenate_2 (Concatenate)     (None, 560)          0           lstm_8[0][0]                     
                                                                 input_17[0][0]                   
__________________________________________________________________________________________________
dropout_1 (Dropout)             (None, 560)          0           concatenate_2[0][0]              
__________________________________________________________________________________________________
dense_1 (Dense)                 (None, 1)            561         dropout_1[0][0]                  
__________________________________________________________________________________________________
activation_1 (Activation)       (None, 1)            0           dense_1[0][0]                    
==================================================================================================
Total params: 1,028,301
Trainable params: 39,201
Non-trainable params: 989,100
__________________________________________________________________________________________________

---

看来我无法重现你的错误。在我添加括号后，代码运行得非常好。请参见下面的我的代码：

从tensorflow.keras.layers导入输入、嵌入、LSTM、连接、退出、密集、激活
来自tensorflow.keras导入模型
导入tensorflow作为tf
将numpy作为np导入
emb_Mat=tf.random.normal（（9891100））.numpy（）
术语索引=tf.random.uniform（（9890，）.numpy（）
sen_Len=1000
emb_Dim=100
最大期限艺术=500
inp=输入（形状=（len（术语索引）
嵌入=嵌入（len（term_Index）+1，emb_Dim，weights=[emb_Mat]，input_length=sen_len，trainable=False）（inp）
lstm=lstm（60，辍学率=0.1，经常性辍学率=0.1）（嵌入）
tfidf_i=输入（形状=（最大术语艺术）
conc=Concatenate（）（[lstm，tfidf_i]）
下降=下降（0.2）（浓度）
密度=密度（1）（下降）
acti=激活（‘乙状结肠’）（密度）
模型（[inp，tfidf_i]，acti）.summary（）

产出：

Model: "model_2"
__________________________________________________________________________________________________
Layer (type)                    Output Shape         Param #     Connected to                     
==================================================================================================
input_16 (InputLayer)           [(None, 9890)]       0                                            
__________________________________________________________________________________________________
embedding_15 (Embedding)        (None, 9890, 100)    989100      input_16[0][0]                   
__________________________________________________________________________________________________
lstm_8 (LSTM)                   (None, 60)           38640       embedding_15[0][0]               
__________________________________________________________________________________________________
input_17 (InputLayer)           [(None, 500)]        0                                            
__________________________________________________________________________________________________
concatenate_2 (Concatenate)     (None, 560)          0           lstm_8[0][0]                     
                                                                 input_17[0][0]                   
__________________________________________________________________________________________________
dropout_1 (Dropout)             (None, 560)          0           concatenate_2[0][0]              
__________________________________________________________________________________________________
dense_1 (Dense)                 (None, 1)            561         dropout_1[0][0]                  
__________________________________________________________________________________________________
activation_1 (Activation)       (None, 1)            0           dense_1[0][0]                    
==================================================================================================
Total params: 1,028,301
Trainable params: 39,201
Non-trainable params: 989,100
__________________________________________________________________________________________________

---

我想你在连接中有一个输入错误，输入应该是一个列表conc=concatenate（）（[lstm，tfidf_I]）我试着添加括号，但我仍然得到同样的错误我想你在连接中有一个输入错误，输入应该是一个列表conc=concatenate（）（[lstm，tfidf_I]）我试着添加括号，但仍然得到同样的错误谢谢！我现在成功地做了一个模型。但是，现在我得到了一个新的错误：ValueError：检查输入时出错：预期输入1具有形状（9891），但在运行时获得了具有形状（1000）的数组：history=model.fit（[features\u Train，TFIDF\u Train]，target\u Train，epochs=50，batch\u size=128，validation\u split=0.2）您的嵌入输入不正确。确保您的输入与每个层所需的不匹配。据我猜测，您对嵌入层的输入似乎不正确。嵌入层的输入尺寸应为（批量大小，顺序）。请重新检查您的输入实现是否正确：）是的，形状错误，我已经修复了它。无论如何谢谢：）谢谢！我现在成功地做了一个模型。但是，现在我得到了一个新的错误：ValueError：检查输入时出错：预期输入1具有形状（9891），但在运行时获得了具有形状（1000）的数组：history=model.fit（[features\u Train，TFIDF\u Train]，target\u Train，epochs=50，batch\u size=128，validation\u split=0.2）您的嵌入输入不正确。确保您的输入与每个层所需的不匹配。据我猜测，您对嵌入层的输入似乎不正确。嵌入层的输入尺寸应为（批量大小，顺序）。请重新检查您的输入实现是否正确：）是的，形状错误，我已经修复了它。无论如何，谢谢你：）