Python 向1D CNN分类模型添加顺序特征

我正在使用Keras构建一个一维CNN模型，用于文本分类，其中输入是由

标记器生成的一系列单词。text\u to\u sequences

。是否有办法为序列中的每个单词输入一系列数字特征（例如分数）？例如，对于句子1，输入将是['the'，'dog'，'barked'，]，并且这个特定序列中的每个单词都有分数[0.9,0.75,0.6]。分数不是特定于单词的，而是特定于句子的单词分数（如果这对输入格式有影响的话）。在这种情况下，LSTM是否更合适

---

非常感谢

是的，只需在输入张量中使用两个通道

更好的说法是，如果您在之前输入had shape:

（批量大小，顺序）

现在您可以有：

（批量大小，序号2）

如果查看，您会看到使用参数

data\u format

传递一个字符串，即

channels\u last

（默认）或

channels\u first

。在这种情况下，默认值可以，因为

2

（通道数是最后一个）

您可以将2个输入数组堆叠成具有此形状的张量

现在，如果您使用单词嵌入，那么通道的数量可能不会是2个，但它将是

嵌入\u dim+1

，因此最终的输入形状将是：

（批量大小，顺序，嵌入\u dim+1）

一般情况下，您也可以参考其他

无论如何，CNN 1D和LSTM都可能是好的模型。。。但这需要根据任务、数据和模型约束来发现自己

---

最后一句话，你甚至可以考虑一个模型，它有多个输入，一个是单词序列，另一个是分数。看看我在网上找到的这个或这个随机的。您也可以再次引用相同的内容。

您是否设法使其正常工作？