如何将单词的keras tokenizer.texts_to_matrix(一个热编码矩阵)转换回文本

Question

我参考了这篇文章，它讨论了如何使用reverse_map策略从keras中的tokenizer的text_to_sequences函数中获取文本。

我想知道是否有一个函数可以为text_to_matrix函数返回文本。

示例：

from tensorflow.keras.preprocessing.text import Tokenizer
docs = ['Well done!',
'Good work',
'Great effort',
'nice work',
'Excellent!']
# create the tokenizer
t = Tokenizer()
# fit the tokenizer on the documents
t.fit_on_texts(docs)
print(t)
encoded_docs = t.texts_to_matrix(docs, mode='count')
print(encoded_docs)
print(t.word_index.items())
Output: 
<keras_preprocessing.text.Tokenizer object at 0x7f746b6594e0>
[[0. 0. 1. 1. 0. 0. 0. 0. 0.]
[0. 1. 0. 0. 1. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 1. 1. 0. 0.]
[0. 1. 0. 0. 0. 0. 0. 1. 0.]
[0. 0. 0. 0. 0. 0. 0. 0. 1.]]
dict_items([('work', 1), ('well', 2), ('done', 3), ('good', 4), ('great', 5), ('effort', 6), 
('nice', 7), ('excellent', 8)])

如何从一个热门矩阵中获取文档？

Answer 1

如果你只想要单词，你可以很容易地做到如下。

import numpy as np
import pandas as pd
r, c = np.where(encoded_docs>=1)
res = pd.DataFrame({'row':r, 'col':c})
res["col"] = res["col"].map(t.index_word)
res = res.groupby('row').agg({'col':lambda x: x.str.cat(sep=' ')})

但如果你需要订单，你就不能。当你使用一袋单词表示时，你就会丢失文档中单词的顺序。

Answer 2

对于一个预测而不是给定的热矩阵，我提出了以下解决方案：

def onehot_to_text (mat,tokenizer, cutoff):
mat = pd.DataFrame(mat)
mat.rename(columns=tokenizer.index_word, inplace=True)
output = mat.sum(axis=1)
for row in range(mat.shape[0]):
if output[row] == 0:
output[row] = []
else:
output[row] = mat.columns[mat.iloc[row,:] >= cutoff].tolist()
return(output)

onehot_to_text(encoded_docs，t，0.5(给出了相应的文本列表。

此函数可以处理全为零的行。