Neural network 基于神经网络的文本转换

我以前使用过神经网络，但只是为了好玩，主要是将它们与标准化的分类（enum）、数字和位（bool）值一起使用。我知道NNs很难理解字符，但我想知道他们是否能理解如何转换文本

例如，是否有可能对NN进行以下培训：

• 13/20=20
• aa/bb=bb
• 20/10=10

或（d替换为f）

• abcde=abcfe
• tdfg=tffg
• ddhj=ffhj

---

如果是，可靠性如何？或者可能有更适合这份工作的东西？

一切都取决于转换的复杂性。如果你对这些例子感兴趣，那么，当然是的，这是可行和可靠的。第二个例子很简单，您只需在一个时间内呈现NN一个字符，将输入和输出编码为一个热向量（每个字符一个神经元），它就可以完成这项工作。第一个示例可以通过将左、右部分转换为一个热输入向量来解决，该热输入向量表示两个符号的所有可能组合之一，并具有两个输出，要求NN选择是否应选择第一部分或第二部分（存在更好的输入编码方法，尤其是对于长字符串）。如果你有足够的训练例子，一切都会很好

---

一般来说，NNs处理文本的困难令人望而却步的日子早已一去不复返了。现在，NNs可以被训练来进行机器翻译（比任何其他方法都好），甚至在某种程度上，还可以训练来预测基于程序字符串的简单计算机程序的输出（但这对于NNs来说仍然是一项困难的任务）

这个问题与实现无关，但由于我刚刚完成了一个类似主题的实验，以下是一些实用技巧：

使用RNN网络以这种方式转换文本是非常可能和容易的。克隆此（）存储库，并使用放置在data/folder/input.txt中的文件对其进行训练，该文件的大小与您希望输出的格式相同：

abcde = abcfe
tdfg = tffg
ddhj = ffhj

abcd = abcf

使用此命令培训：

th train.lua -data_dir data/folder

测试网络时，它应该能够根据您提供的种子文本生成正确的输出：

th sample.lua cv/[latest_sample] -primetext "abcd" -length 7

应能够产生以下输出：

abcde = abcfe
tdfg = tffg
ddhj = ffhj

abcd = abcf

---

谢谢，我已经有一段时间没有和NNs合作了。我想我将不得不运行一些测试，看看有什么限制，但仅仅是确认NN可以处理它，是很多。我理解你关于第一个例子的部分回答，但问题是我不知道字符串是如何改变的，我只有源代码和结果，我必须训练它，使它从我的输入中产生相同的结果。因此，每个字符有36个1/0的输入，这就是我想象它是如何完成的。注意，如果你的转换也依赖于过去的历史，而不仅仅是当前的字符，你应该使用递归神经网络，任意的长时间依赖性可能很难处理。如果您的数据源很复杂，您可能希望生成一些具有已知转换和第一次过期的合成数据，以获得一些信心。非常好的概念证明，我接受它作为答案。