Deep learning 如何最好地利用tensorflow模型中类分布的先验知识？

我有一个1000多个类的分类问题，但是，对于给定的示例，只有少数几个类是有效的。更重要的是，我知道每个可思考的示例的有效类集。我觉得这是一个非常强大的先验知识，我想用它来尽可能地限制模型的“搜索空间”。问题是，我如何才能最好地利用这一点

开始工作的几个选项：

仅在后处理、屏蔽所有无效类以及从未屏蔽类中选取结果时使用这些知识

问题：神经网络没有使用知识

在softmax层之后制作一个“掩蔽层”，其作用与（1）相同，但将是培训过程的一部分

问题：NN知道什么是错的，但不知道什么是对的。此外，梯度可能不会很好地通过该掩蔽层（？）

执行（2），并向模型提供有效的类（在开始时，或在最后一个softmax层之前），希望它能够学会使用它们

问题：渐变可能无法很好地通过此掩蔽层（？）。另外，“希望NN会注意到”听起来也不是最优的

请提供讨论此问题的论文或其他资料。即使给我提供一个更易懂的关于这种现象的描述也会很好；我只发现这两个问题（，），它们都不能描述我的情况