Machine learning 使用深度学习识别文本序列中的子部分

首先，我对深度学习非常陌生，如果我没有提出不符合网站标准的问题，我很抱歉

我有一系列的

arm组件操作码

，它们分别对应于许多功能（您可以从中查看整个

csv

文件）。如果我给出一个函数的一个特定序列，它如下所示

// This is the disassembly sequence of a function named bit()

// just assume four opcodes `b0 0a 46 01` belong to certain other library
83 b0 0a 46 01 90 02 a8 01 70 ff e7 01 98 01 68 01 22 52 05 91 43 01 60 02 a8 00 78 40 05 00 90 ff e7 01 98 01 68 00 9a 11 43 01 60 01 98 03 b0 70 47 

我已经建立了一个小的深度学习模型（通过遵循NLP教程），在传递如上所述的字节序列时，可以在八个函数类中进行分类。但是，除了识别函数标签之外，我还需要识别属于特定库的字节序列。例如，在上面的函数

b0 0a 46 01

中，请相信是另一个库。所以我想在传递整个函数序列时识别这样的子序列。我相信这与图像中的对象检测类似，在图像中，识别模型中的对象，而不仅仅是识别图像本身

---

坦率地说，我不知道这种要求在深度学习中是否可行，如果可能的话，我想知道为了达到我的目标，我可以查阅和学习的任何资源/教程。再一次，如果我问了一些没有意义的问题，我很抱歉。如果可能的话，非常感谢您的帮助谢谢您的回复。你认为我有可能在NLP中这样做吗。你知道以前的工作中有没有什么资源可以用来代替图像目标检测？我认为这不需要深入学习，因为汇编操作码数量有限，组合有限。已经说过，对于这个特殊的问题，如果你只考虑文本，问题被称为NER（命名实体识别）问题。你会在网上找到很多这方面的资料。@VivekMehta谢谢你。NER是逐字分析法，对吗？例如，如果它找到一个位置，它将被标记为一个位置。然而，在这里，我需要考虑一系列指令（比如10-15），而不是一个序列。NER不限于单词分类，它也可以对单词的顺序进行分类。