pytorch/text

Ignoring UNK words

Open

#355 建立於 2018年7月22日

在 GitHub 查看
 (7 留言) (0 反應) (0 負責人)Python (3,396 star) (822 fork)batch import
enhancementhelp wanted

描述

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.

貢獻者指南

技術棧
python
領域
machine learningdata
議題類型
feature
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
3
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
1-3 hours
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
stale
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
clear
前置要求
Python basicsPyTorch basicsNLP concepts
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
65
研究方向
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').