Comment filtrer de faux noms avec TFLearn

Question

J'essaie de former un réseau de neurones avec une liste de noms et de le faire me donner une probabilité qu'un nom d'utilisateur est réel.

Exemple: asldfkjbwlkj aurait une très faible probabilité d'être un vrai nom.

Pensées:

1. Puis-je former un réseau de neurones générative et utiliser une sorte de test de précision sur le nom d'entrée utilisateur unique? Je pourrais aussi alimenter la liste de noms à un réseau de neurones profonds ainsi que quelques caractères générés aléatoirement avec [1,0], et [0,1] respectivement mais je n'ai pas réussi à en trouver vraiment de bons exemples sur la façon de vectoriser une liste de mots. Ou si cette méthode fonctionnerait même.

Voici un exemple que je cherchais à: https://raw.githubusercontent.com/tflearn/tflearn/master/examples/nlp/lstm_generator_cityname.py

Answer 1

Oui, sonne comme vous êtes dans la bonne direction. Vous pouvez former un modèle génératif char-rnn.

Pendant l'inférence (temps de test), vous pouvez l'alimenter avec un nom d'utilisateur et évaluer le score de probabilité de ce nom d'utilisateur. En définissant un seuil pour le score de probabilité, vous pouvez choisir entre les noms d'utilisateur faux ou réels.

Pendant la formation, vous devez former votre modèle avec un ensemble de données de noms d'utilisateurs réels