Python 我可以用字符级标记对笑词进行分类吗？

我想使用Keras的标记器的

char\u级别

功能来训练一个模型，以分类一个单词是笑还是普通单词，比如“hello”（普通）和“hahaha”，“loooool”（笑）。我不确定这是不是最好的方式，但我只是想尝试一下会发生什么

对于英语来说可能很容易。但在土耳其语中有一种叫做“随机笑”的东西，你只是像“asdpfjaefpkaods”一样随意地敲击键盘来表达你的笑声

我想训练一个模型，也许它可以学习“dpfj不能在一个常规单词中按顺序排列，应该有一个[a，e，I…]（也许我也可以添加元音和辅音特征？）

所以我只生成了40个单词并训练了一个模型。当我进行预测时，我希望每个单词都有一个值的概率，但它会为每个字符生成一个值（长度为SEQ_length）。以下是我到目前为止所做的基本工作：

序列长度=20
字数=50
标记器=标记器（num\u words=num\u words，char\u level=True）
标记器.fit_on_文本（data.word）
X=标记器.文本到序列（data.word）
X=焊盘顺序（X，最大长度=顺序长度）
模型=顺序（）
添加（嵌入（输入尺寸=字数，输出尺寸=20，输入长度=序列长度））
model.add（密集（12，activation='relu'））
model.add（密集型（1，激活='sigmoid'））
model.compile（'adam'，'binary\u crossentropy'，'accurity'）

培训内容如下：

Epoch 1/100
2/2 [==============================] - 0s 682us/step - loss: 0.6910 - accuracy: 0.5525
Epoch 2/100
2/2 [==============================] - 0s 797us/step - loss: 0.6880 - accuracy: 0.6650
Epoch 3/100
2/2 [==============================] - 0s 763us/step - loss: 0.6855 - accuracy: 0.7050

预测是针对单个

[“哈哈哈”]

：

---

我是否误解了字符级标记化的目的？谢谢。

我注意到你的嵌入

输出\u dim=20

，你给我们的输出也是长度20。我认为您正在查看的输出可能只是在嵌入层之后。您可以看到，h都具有相同的值

0.8137126

，a都具有相同的值

0.9003294

，然后后面的所有内容都是焊盘值

0.3136345

。所以我相信你的模型只使用了一层。

我刚刚看到我忘记添加一个展平层。。。抱歉发了这么长的邮件。不过我仍然需要关于这个概念的建议。谢谢

array([[[0.3136345 ],
        [0.3136345 ],
        [0.3136345 ],
        [0.3136345 ],
        [0.3136345 ],
        [0.3136345 ],
        [0.3136345 ],
        [0.3136345 ],
        [0.3136345 ],
        [0.3136345 ],
        [0.3136345 ],
        [0.3136345 ],
        [0.3136345 ],
        [0.3136345 ],
        [0.90032935],
        [0.8137126 ],
        [0.90032935],
        [0.8137126 ],
        [0.9003294 ],
        [0.8137126 ]]], dtype=float32)