如何修改双向LSTM序列准备代码使输出偏移两个词？

你当前的代码是通过截断单词序列生成等长输入序列X，输出序列y对应输入偏移1个单词的结果。要实现偏移2个单词的预测，需要调整两个核心部分：

1. 适配双偏移的序列切片与边界补全 #

原来的代码仅补了1个<UNK>，但偏移2个单词时，需要补2个<UNK>避免索引越界；同时将y的切片起始位置调整为trunc_length + 2，确保每个y元素对应X对应位置往后第2个单词。

修改后的代码如下：

MAX_SEQ_LENGTH = 15

def prepare_sequences(words, unk_index, seqlen=MAX_SEQ_LENGTH):
    trunc_length = len(words) % seqlen
    # 生成输入序列：截断后分割为seqlen长度的块
    X = np.array(words)[trunc_length:].reshape((-1, seqlen))
    # 补2个<UNK>避免索引越界，起始位置偏移2个单词
    y = np.array(words + [unk_index] * 2)[trunc_length + 2:].reshape((-1, seqlen))
    return X, y

Xtrain, ytrain = prepare_sequences(train_indices, word_to_index["<UNK>"])
Xtest, ytest = prepare_sequences(test_indices, word_to_index["<UNK>"])

# 检查形状，X与y的维度应保持一致
print(Xtrain.shape, ytrain.shape)
print(Xtest.shape, ytest.shape)

2. 若需求为“输入一段序列，直接预测后续两个单词” #

如果你的目标是用长度为15的单词序列，直接预测接下来的2个单词（每个输入样本对应2个输出标签），则需要调整序列分割逻辑，确保每个输入序列后有足够的单词作为输出：

MAX_SEQ_LENGTH = 15
PREDICT_NUM = 2

def prepare_sequences(words, unk_index, seqlen=MAX_SEQ_LENGTH, predict_num=PREDICT_NUM):
    # 计算截断长度，确保剩余单词可分割为(seqlen + predict_num)的完整块
    total_segment_length = seqlen + predict_num
    trunc_length = len(words) % total_segment_length
    # 截断后分割为多个完整块
    full_segments = np.array(words)[trunc_length:].reshape((-1, total_segment_length))
    # X取每个块的前seqlen个单词，y取后predict_num个单词
    X = full_segments[:, :seqlen]
    y = full_segments[:, seqlen:]
    # 处理最后一段不足的情况（可选补全）
    if len(words) - trunc_length < total_segment_length:
        padding_X = np.array(words[-seqlen:] + [unk_index]*(seqlen - len(words[-seqlen:])))
        X = np.vstack([X, padding_X])
        y = np.vstack([y, np.array([unk_index]*predict_num)])
    return X, y

Xtrain, ytrain = prepare_sequences(train_indices, word_to_index["<UNK>"])
Xtest, ytest = prepare_sequences(test_indices, word_to_index["<UNK>"])

# 此时X形状为(样本数, 15)，y形状为(样本数, 2)
print(Xtrain.shape, ytrain.shape)
print(Xtest.shape, ytest.shape)

内容的提问来源于stack exchange，提问作者teri123