embedding和onehot_embedding和onehot可以连在一起吗

tffeature_column对离散变量的处理有四个接口， 分别是 整数直接onehot ， 指定词表onehot ， hash降维onehot ， embedding离散特征连续化 ， 其中前三种都会把字符串整数特征处理成onehot 01向量，最后一种embedding_c。

Word Embedding 的输出就是每个 word 的向量表示对于上文中的原始输入，假设使用最简单的 one hot 编码方式，那么每个 word 都对应了一种数值表示例如， apple 对应的 vector 就是 1， 0， 0， 0， a 对应的 vector 就是 0。

首先，如果不局限于NN的方法，可以用BOW+tfidf+LSILDA的体系搞定，也就是俗称的01或one hot representation其次，如果楼主指定了必须用流行的NN，俗称wordembedding的方法，当然首推word2vec虽然不算是DNN然后。

作者认为已有的直接使用LSTM作为文本分类模型并直接将LSTM的最后一个输出作为后续全连接分类器的方法面临两个问题1这种方式一般都是与word embedding整合在一起即输入onehot经过一个embedding层再进入LSTM，但是embedding训练不稳定，不好。