我正在建立一个神经网络来预测一件具有广泛输入（大小，艺术媒介等）的艺术品的价值，我想将作者也包括在内（它通常是单件艺术品价值的一个重要因素。）
我目前关注的是作者的名字并不是NN的理想数字输入（即如果我只是用增加的整数值对每个作者进行编码，我会间接地为作者提供更多的价值。列表-_-）。我的想法是为我的数据集中的所有作者创建单独的输入，然后只使用一个热编码来更好地表示NN的输入。
然而，当未包括在我的训练数据中的作者被用作NN（即新作者）的输入时，该方法遇到问题。我可以和其他作者一起解决这个问题＆＃34;输入字段，但我担心这不会准确，因为我没有为此输入培训NN（所有具有估价的艺术作品都有作者）。我还没有完全考虑到这一点，但我想过或许可以培训2个NN，一个用于没有作者的估价，一个用于与作者进行估价以确保我有足够的培训数据用于＆ ＃34;无用的评估＆＃34;仍然相当准确。
在我坚持实施之前，我仍然试图将最好的NN架构概念化，所以如果有人有任何建议/意见，我将非常感激！
提前致谢， 文斯
答案 0 :(得分：0)
为避免在可比数字中翻译作者姓名，您可以对名称进行哈希处理，这将创建均匀分布。
答案 1 :(得分：0)
尝试使用艺术家名称的one-hot encoding。
的示例