一个多层感知器应该有多少输入才能从给定的文本中找出语言？

Question

我假装使用Tensorflow（Python）来实现一个小系统，它必须从给定的文本（1-20个单词）返回语言

我知道多层感知器是很好的分类问题，我认为这是一个很好的网络拓扑为我的目的

我将不得不决定有多少层和多少节点在每一层，但我不知道有多少鬃毛输入我的网络应该有

有人能帮我解决这类问题的网络输入吗

Answer 1

不清楚你所说的输入是什么意思

但在这个问题中，输入的是要分类的文本。所以给一些文本，“我想把它归类为英语”，你可以用char-n-grams来编码

if n = 2, ==> 'I ', ' w', 'wa', 'an' etc. 

然后，您必须使用n-gram字典将这些n-gram映射到索引。将文本矢量化，例如

{1 : 'I ', 2: 'En', ... }

您可以使用spacy的库sklearn来帮助构建这个 当然，你也可以自己写代码

“我想把它归为英语”可能映射到一个索引向量

[1, 17, 45, 7, 9, 10, 5, 4, ...] 

然后可以将其作为嵌入层的输入，然后将其馈送到MLP