Modelo de inversión completa del texto
Ahora implementarás la parte del decodificador del modelo de inversión de texto, que convertirá el vector de contexto del codificador en palabras invertidas.
Definirás dos funciones: onehot2words() y decoder(). La función « onehot2words() » toma una lista de identificadores y un diccionario « index2word » y convierte un arreglo de vectores «one-hot» en una lista de palabras. La función « decoder() » toma el vector de contexto (es decir, la lista de identificadores de palabras) y lo convierte en la lista invertida de palabras.
Para este ejercicio, se proporcionarán el diccionario index2word, el vector de contexto context, la función encoder() y las funciones words2onehot().
Este ejercicio forma parte del curso
Traducción automática con Keras
Ejercicio interactivo práctico
Prueba este ejercicio completando el código de muestra.
# 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