需要一个“词袋”类型的变压器

问题描述

我有一个 NLP 项目，其中一组单词当前由 w2v 编码，以与其他单词集合进行比较。我想尝试 transformers，它可以提供比 w2v 更好的编码。但是，由于数据的性质，我根本不需要位置编码（因为单词集合没有顺序）。 Is there a pretrained transformer that won't do positional encoding？

解决方法

您可以使用 get_input_embeddings() 访问相应的嵌入层。请看一下罗伯塔的这个例子：

import torch
from transformers import RobertaTokenizerFast,RobertaModel
t = RobertaTokenizerFast.from_pretrained('roberta-base')
m = RobertaModel.from_pretrained('roberta-base')
e = m.get_input_embeddings()
 
myWordCollection = ['This','That','stackoverflow','huggingface']

#some of the words will consist of several tokens (i.e. several vectors)
i = t(myWordCollection,return_attention_mask=False,add_special_tokens=False)
#a dictionary with words:vectors for each token
o = {word:e(torch.tensor(ids))    for word,ids in zip(myWordCollection,i.input_ids)}