Neural network 使用word2vec表示哈希值是否有意义？

我有一个包含数据包序列长度不确定的执行路径。例如，/A/B/C/D/E、/A/E/G/B等，其中大写字符是由哈希值表示的数据包。如果我使用word2vec表示每个数据包是否有意义？

word2vec依赖预测性共现来实现其有用的密集嵌入表示

如果您使用的是强散列，它将数据包中的一个位的差异转换为一个完全不同的令牌，那么这可能对Word2Vec没有帮助

如果它是某种语义散列，用于为相似的数据包提供相似的令牌，那么它可能对Word2Vec算法是合适的，并且是有帮助的

---

当您提到您的最终目标是“预测此路径是否会导致错误的系统全局状态”时，我想知道Word2Vec word vectors是否是合适的工具。Word2Vec在其模型中没有太多的深度/重复性/系列状态性；它不太可能获取关于底层“状态机”或“非法状态”的大量知识，尽管它可能有助于根据类似的前置/后继数据包将“数据包”定位为与其他数据包相似的数据包（作为其他更有状态分析的有用信息源）

我想它的意义取决于你的目的。还有，你已经有矢量表示了吗？如果没有，您将从何处生成它们？@kubuntu我使用散列值来标识数据包。数据包组成执行路径，记录系统的全局状态是否出错。在路径中，数据包不会重复出现。但是路径的长度和数据包的顺序各不相同。我的最终目的是，给定一段新路径，从起点开始，但不一定在终点结束，预测该路径是否会导致错误的系统全局状态。