Data representation 给定一个有限的字符词汇表，用什么最简单的方法来表示任意长的等长字符序列？

我试图为一个项目操纵一个有限状态传感器。然而，在构建FST时，我需要输出符号都是来自输入符号的任意长的字符序列，这些字符仅仅是来自相关文本语料库的单个唯一字符。此外，我需要统一表示这些任意长的序列，这样每个组合的 表示具有相同的长度。当然，对于任意长度，可能的最长组合具有无限长，因此让我们假设没有任何组合可以比相关语料库中最长的文档长

换句话说，给定

的
输入词汇表
，
的
输出词汇表
，
的
输出词汇表
，
['a'，ab'，acb'，abcb']
都需要表示为长度为4的向量，每个向量中的每个项都是
输入词汇表
中的项。我唯一的想法是使用填充向量，例如，在这个例子中，
[[0，3，3，3]，[0，1，3，3]，[0，2，1，3]，[0，1，2，1]
，其中
3
是一个填充标记，但我对这方面非常陌生，因此非常感谢您的帮助

为了澄清，我想知道是否有一种方法可以在没有pad令牌的情况下实现这一点。
没有明显的错误。您的向量表示似乎足够清晰和简洁，并且似乎为输入字符的每个组合提供了明确的表示。除此之外，我们还必须了解这些数据结构是如何被使用的，以了解它们是否适合您的应用程序--但是，正如其他人所告诉您的，这不是一个讨论设计批评和基于观点的东西的论坛。正如我刚刚编辑的，为了澄清，我想知道是否有一种方法可以在没有pad标记的情况下实现这一点。如果每个向量的长度必须为n，其中n是最长的
output\u词汇表
标记的大小，那么我不认为在某种表示级别上不使用某种形式的padding是可能的。如果您希望使用更少的内存，因为您预见到自己会使用填充标记消耗大量空间，那么您可以从
numpy
中选择稀疏矩阵。或者，如果您可以自由更改表示，您可以简单地将
0
分配给
a
，
1
分配给
ab
，
2
分配给
acb
，等等。