Python 使用TensorFlow标记字符串中字符的体系结构

我想创建一个用于标记句子中字符的神经网络。这里有一个例子

我的数据集示例：

s=“昨天我去了游泳池”

我的预期产出：

• 昨天

  ->class

  日期（d）

• 我去了

  ->class

  动作（a）

• 游泳池

  ->class

  位置（l）

需要注意的是，我在角色级别上工作，我希望每个角色都能被分类为如下类型：

input  = "Yesterday I went to the swimming pool"
output = "ddddddddd aaaaaaaaa lllllllllllllllll"

我已经知道或，但出于某些原因，我不会在这里公开，这不适合我的应用程序

为了简单起见，我们假设输入字符串的长度都相同，比如说30个字符

我已经编写了一个简单的概念证明，用于将一个字符分为4类。这是我的模型：

model = tf.keras.models.Sequential([
  tf.keras.layers.Dense(32, activation='relu'),
  tf.keras.layers.Dense(32, activation='relu'),
  tf.keras.layers.Dense(32, activation='relu'),
  tf.keras.layers.Dense(4, activation='softmax', name="char2"),
])

它工作得很好，我很快就达到了100%的准确率。但是它只对一个字符进行分类，如果我想对所有字符串进行分类，我必须为字符0创建一个模型，为字符1创建第二个模型，为字符2创建第三个模型，依此类推。我认为有更好的解决方案，尤其是因为我的网络中必须有相同的层

所以我的问题是关于网络架构。我的应用程序的最佳架构是什么？我已经做了很多关于多输出网络的研究，但是没有找到满意的解决方案。这似乎很有趣，但没有任何答案

---

欢迎任何帮助。

也许某种双向LSTM可以工作。但我不确定为什么要对每个字符进行具体分类，如果可以对每个单词/标记进行分类（这是词性标记等问题中更常见的方法），就可以立即知道每个字符属于哪个类别。