pytorch/text

Ignoring UNK words

Open

#355 opened on 2018年7月22日

GitHub で見る
 (7 comments) (0 reactions) (0 assignees)Python (3,396 stars) (822 forks)batch import
enhancementhelp wanted

説明

Cannot find the way to ignore UNK words when numericalising, i.e. instead by substituting them by a 0, it just ignore that word.

Is that implemented?

This is useful in classification problems, when you just want to remove 'UNK' words.

コントリビューターガイド

技術スタック
python
領域
machine learningdata
Issue 種別
feature
難度新しい貢献者にとっての実装難度です。1 は非常に小さな変更、5 は専門的な作業です。
3
推定時間経験ある貢献者が調査、実装、テスト、pull request 準備にかけるおおよその時間範囲です。
1-3 hours
活動状況Issue が今どれだけ取り組みやすいかを示します。新しい、活発、古い、ブロック中、またはメンテナー入力待ちなどです。
stale
明確さ期待される変更、受け入れ条件、次の手順がどれだけ明確かを示します。
clear
前提条件
Python basicsPyTorch basicsNLP concepts
初心者向け度初回貢献者にどれだけ取り組みやすいかを 1-100 で推定したスコアです。
65
調査方針
Look into the torchtext.data.Field class, specifically the numericalize method. The current behavior substitutes unknown words with 0; we need to add an option to ignore them by filtering out UNK tokens during numericalization. Check the file torchtext/data/field.py and the related function definitions. Discuss with maintainers if there is a preferred approach (e.g., adding a parameter like 'include unk').