1

我正在尝试使用名称列表训练神经网络，然后让它给我一个用户输入名称是真实的概率。

示例：asldfkjbwlkj 成为真名的可能性非常低。

想法：

  1. 我可以训练生成神经网络并对单个用户输入名称使用某种准确性测试吗？

  2. 我还可以将名称列表提供给深度神经网络以及一些随机生成的字符，分别为 [1,0] 和 [0,1]，但我无法找到任何真正好的示例来说明如何向量化单词列表。或者如果这种方法甚至可以工作。

这是我一直在看的一个例子：https ://raw.githubusercontent.com/tflearn/tflearn/master/examples/nlp/lstm_generator_cityname.py

4

1 回答 1

0

是的，听起来你的方向是正确的。您可以训练一个char-rnn 生成模型。

在推理期间（测试时间），您可以输入用户名，并评估该用户名的概率得分。通过设置概率分数的阈值，您可以在假用户名或真实用户名之间进行选择。

在训练期间，您应该使用真实用户名数据集来训练您的模型

于 2016-12-07T10:20:51.323 回答