我们可以对文本数据使用自动编码器吗答案

【问题标题】：can we use autoencoders for text data我们可以对文本数据使用自动编码器吗
【发布时间】：2016-02-21 01:09:04
【问题描述】：

我正在做基于医疗保健的项目。我将用症状和疾病训练我的自动编码器，即我的输入是文本形式的。那行得通吗？（我正在使用 Rstudio）。请任何人帮助我

【问题讨论】：

欢迎来到 SO。但是，正如所写，您的问题过于广泛。请尝试一下，遇到困难时再回来。

【解决方案1】：

您必须将文本转换为矢量/数字。要执行此传统方法（如 Bag of words），Tf-Idf 将有所帮助，但最新的神经词嵌入（如 Word2Vec、RNN 语言模型等）是获得文本数字表示的最佳技术。请使用任何神经词嵌入技术并将文本（词level[word2vec], document level[doc2vec]) 转换为数字/向量。现在这些向量带有一些维度，并且要将这个表示压缩到更小的维度，你可以使用 AutoEncoder。随时询问所需的任何其他信息。尝试使用 Python 来完成这些任务，因为它有最新的软件包。

【讨论】：

您是否发现将自动编码器应用于矩阵时会出现问题，该矩阵包含与其他连续特征（如年龄或其他计数）连接的词袋表示？

【解决方案2】：

您可以按照here 的说明对文本数据使用自动编码器。

自动编码器通常在图像数据上效果更好，但最近的方法改变了自动编码器，使其在文本数据上也很好。

看看this。

代码也可以在 GitHub 中找到。

【讨论】：