Algorithm 语言检测

我试图重新创建谷歌的算法来测试我的网络。我从同一个地方得到了训练样本

---

由于我不希望您关注上述链接，简而言之，关于“Hello Prediction”： 这是一个谷歌预测API的“hello world”示例，基本上是一个培训示例 ANN有一个由西班牙语、英语和法语文本字符串组成的大型训练集。 到本练习结束时，网络应该能够检测到这3种语言中的每一种

---

现在我面临着将数据输入网络的问题

我如何操作可变长度的文本字符串，将其输入到固定大小的网络输入中

我看到了两种考虑词序的解决方案：

使网络输入足够大以适合整个句子。这是最现实的，但也是浪费的方法。我相信谷歌已经想出了一个更好的方法

将句子分成固定大小（n）个字符的子字符串，如下所示： 如果n=2，“abcde”变为[“ab”、“bc”、“cd”、“de”]

有人成功地解决了这个问题吗？2比1好吗？还有第三种解决方案吗

---

谢谢。

为什么不尝试一些特征提取？tf_idf在NLP中很常用，我想你可以找到一些其他有用的数字特征。

我对“Hello Prediction”一无所知，所以要理解这里发生的事情有些困难（我们不必去阅读，帖子应该尽量独立），但是，据我所见，#1不起作用，因为要获得足够的数据以获得足够好的培训是非常不切实际的。#2听起来像是在实践中常用的。@Dukeling我更新了我的问题，以反映您的意见，谢谢。