ANN：语言检测

Question

我正在尝试重新创建google的"Hello Prediction"算法来测试我的网络。我从同一个地方拿到了训练样本。

---

因为我不指望你按照上面的链接，简而言之就是“Hello Prediction”： 它是Google Prediction API的“hello world”示例，基本上是一个培训示例 ANN包含大量训练集，包括西班牙语，英语和法语的文本串。 到本练习结束时，网络应该能够检测到3种语言中的每一种。

---

现在我面临着将数据输入网络的问题。

如何操作可变长度的文本字符串以输入固定大小的网络输入？

我见过两种考虑词序的解决方案：

1. 使网络输入足够大以适应整个句子。这是最现实但最浪费的方法。我相信谷歌已经想出了一个更好的方法。

2. 将句子分成固定大小（n）字符的子串，如下所示： 如果n = 2，“abcde”变为[“ab”，“bc”，“cd”，de“]。

有没有人成功解决了这个问题？ ＃2比＃1好吗？有第三种解决方案吗？

谢谢。

Answer 1

为什么不尝试某些功能提取？ tf_idf常用于NLP，我想你可以找到一些其他有用的数字特征。