Modell zur vollständigen Textumkehrung
Jetzt machst du den Decoder-Teil des Textumkehrmodells, der den Kontextvektor vom Encoder in umgekehrte Wörter umwandelt.
Du wirst zwei Funktionen definieren: „ onehot2words() “ und „ decoder() “. Die Funktion „ onehot2words() “ nimmt eine Liste von IDs und ein Wörterbuch „ index2word “ und wandelt ein Array von One-Hot-Vektoren in eine Liste von Wörtern um. Die Funktion „ decoder() “ nimmt den Kontextvektor (also die Liste der Wort-IDs) und macht daraus eine umgekehrte Liste von Wörtern.
Für diese Übung werden das Wörterbuch „ index2word “, der Kontextvektor „ context “, die Funktion „ encoder() “ und die Funktion „ words2onehot() “ zur Verfügung gestellt.
Diese Übung ist Teil des Kurses
<Kurs>Maschinelle Übersetzung mit Keras</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Define the onehot2words function that returns words for a set of onehot vectors
def ____(onehot, index2word):
ids = np.____(____, ____=____)
res = [____[____] for id in ids]
return res