在Tensorflow模型中输入字符级别的最有效和最有效的方法是什么（是的，字符级输入是必要的）。
对于给定的字符串＆＃34;你好＆＃34;， 和一个嵌入字母＆＃34; abcdefghijklmnop ...＆＃34; （为简洁省略了〜150个字符），我尝试了以下方法：
1）直接翻译示例：
[7,4,11,14]
observation_space_shape = (max_length, char_embedding_length)
2）一个热门编码示例：
[`[0.0,0.0,0.0,0.0,0.0,1,0.0 ...], [...], ...]
observation_space_shape = (max_length, char_embedding_length, 1)`
哪种方法最适合在大型文本输入（具有多个字符）上实现高效且有效的字符级别编码，或者是否有更好的替代方法来解释我提出的上述解决方案？
答案 0 :(得分：1)
由于字符词汇（即字母表）相对较小，因此单热编码是可行的解决方案。例如，这正是Andrew Karpathy在min-char-rnn中所做的事情（见this post）。
说到大型语料库应用程序，请查看分析的CS 20SI示例，然后逐个字符地生成类似莎士比亚的文本。 Here你可以找到一个脚本：它在一个热点中编码字符并提供给RNN，它运行得很好。
如果字符之间存在语义相似性，那么字符嵌入会更有用，就像字之间一样。但是角色＆＃39; a＆＃39;同样类似于＆＃39; b＆＃39;并且对于这项任务非常有用。