得到LSTM的top 3预测，而不是只得到top

Question

我有一个对文本内容进行训练的LSTM模型。现在我想用这个模型来生成一些句子。但不是总是选择最好的选项，我想让它从前3个选项中选择，这样它就可以用相同的输入生成不同的句子，因为现在我几乎对每个输入都得到相同的答案。我如何修改这段代码，使之成为可能，我知道我需要删除np.argmax，但我不知道如何返回前3个最高值的索引。

当前代码:

def prediction(seed_text, next_words): 
for _ in range(next_words):
token_list = tokenizer.texts_to_sequences([seed_text])[0]
token_list = pad_sequences([token_list], maxlen=max_seq_length-1, padding='pre')
predicted = np.argmax(model.predict(token_list, verbose=0), axis=-1)
ouput_word = ""
for word, index in tokenizer.word_index.items():
if index == predicted:
output_word = word
break

seed_text += ' '+output_word
return seed_text

Answer 1

np.argsort将按照从小到大的顺序为您提供数组中项目的索引:https://numpy.org/doc/stable/reference/generated/numpy.argsort.html

下面是一个使用argsort的例子。请注意，预测值最低的那个(指数2)，"c"预测值为0.05)，在打印的内容中被遗漏。

import numpy as np
word_index = {'a': 0, 'b': 1, 'c': 2, 'd': 3}
predictions = np.array([0.1, 0.7, 0.05, 0.15])
# add negative to sort large to small; slice to select just up to 3rd index
top_3 = np.argsort(-predictions)[:3]
for word, index in word_index.items():
if index in top_3:
print(word)
#> a
#> b
#> d