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.Comment filtrer de faux noms avec TFLearn
Exemple: asldfkjbwlkj aurait une très faible probabilité d'être un vrai nom.
Pensées:
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
former donc avec un ensemble de noms d'utilisateurs réels. Je peux le faire. Comment exactement testez-vous un modèle génératif, est-ce que je l'entraîne, l'enregistre. Ensuite, chargez-le et recadrez-vous pour un seul nom d'utilisateur et obtenez l'exactitude de celui-ci? Il n'y a pas de prédiction disponible pour les modèles génératifs dans TFLearn. –
Conceptuellement oui, dans les modèles génératifs. Je ne sais pas comment cette API fonctionne dans TFlearn. – yuval
@CameronJohnson, si vous avez trouvé ma réponse utile, veuillez voter ou l'accepter. Merci :) – yuval