苏剑林(Jianlin Su)
苏剑林(Jianlin Su)
内部自动生成。
那是你没有通读capsule整个流程和思想。 capsule就是希望向量的模长为0～1之间，代表着激活程度（概率值），所以用向量的模长（也就是`K.sqrt(K.sum(K.square(x), 2))`）是最自然的
防止抽取出的实体包含非法字符。
请教简洁写法
如果你的评价指标是spearman相关系数，那么它只依赖于预测结果的相对顺序，跟范围无关，比如将每个预测结果从y改为y**3+10，spearman相关系数不会变化； 如果你的评价指标是pearson相关系数，那么它只依赖于预测结果的线性关系，跟范围无关，也就是说如果将每个预测结果做同一个线性变换（比如3y+1），pearson相关系数不会变化； 如果你非要一个[1,5]之间的指标，那也很容易，比如(3 + 2 * cos)就能保证在1～5之间。
> 谢谢解答，如果是分类任务，如何评价向量的质量呢，比如两句话的关系是包含，无关，对立这种数据集，看STS也有这样的label 分类任务直接算acc呀
哦，你说直接用NLI语料来评价无监督句向量？NLI数据本身就不是严格的相似度数据，这也不大好评价吧。 比较简单的方法是将包含、无关、对立分别转化为得分1、0、-1，然后算spearman，可能会有一定的效果。比较靠谱的方式是用句向量作为输入特征，训练一个3分类模型，然后比较acc。
将句向量进行降维的操作，我确实没留意到其他的。
可以发一下完整的错误信息吗？我需要知道在bert4keras的哪一行出现错误。
这是个keras问题，不是bert4keras问题。 原则上来说，bert4keras只帮你搭好keras下的bert模型，剩下一切不管，你用bert4keras的舒适程度，取决于你对keras的熟悉程度，而这里不负责keras培训。