我有一个二进制分类问题，其中我的数据集是面向列的，并标记为已交互/未交互。但是，我的分类不仅仅取决于功能。它还取决于先前交互记录的功能。 为了说明，请考虑下表：
id x y f1 f2 f3 label
0 0.07 1.00 0.964286 0.020507 1 1
1 0.17 0.85 0.857143 0.017643 2 1
2 0.26 0.64 0.500000 0.031085 3 1
3 0.29 0.83 1.000000 0.011411 4 1
4 0.88 0.50 0.000000 0.008371 5 1
5 0.10 0.00 0.000000 0.001471 0 0
6 0.20 0.00 0.000000 0.037341 0 0
7 0.30 0.00 0.000000 0.027771 0 0
8 0.40 0.00 1.000000 0.048377 0 0
9 0.50 0.00 1.000000 0.004371 0 0
id的{{1}}-> 0-> 1-> 2-> 3-> {{ 1}}的交互顺序相同。其他记录则没有。我想训练一个神经网络，以便它应该记住与之交互并赋予新功能的先前记录，它应该能够正确地对其进行分类。请考虑以下几个示例：
4-> 5未互动
0-> 2未互动
0-> 5已互动
0-> 1-> 1未互动
2-> 6-> 1未互动
2-> 7-> 1已互动
第一个示例读为---假定与2 3的记录已交互，请用id 0对记录进行分类。
上一个示例被读取为---与给定的id的{{1}}和2的记录进行了交互，使用id 1对记录进行了分类。 / p>
什么样的体系结构适合此任务？前馈网络没有任何内存。我可以以某种方式对此进行编码，以便使其适合基于RNN的模型吗？请指引我正确的方向。