我正在尝试开发一种神经网络，它将根据上下文向量（标签的一键编码数组）生成短句。
简化的输入向量-[isCat？，isFish？，isDog？，hasFurr？]
输出向量-['数字，数字，数字，数字...']-数字表示词汇索引。
示例输入： [0,0,1,1]-狗
示例输出： [“真是个好狗狗！”，“他肯定喜欢吃”]
示例输入： [1,0,0,1]-猫
示例输出： ['Kinda cute cat :)'，'Meow meow meow！']
哪种架构最适合我的需求？
我已经阅读了一些文章并通过了教程，但通常有Seq2Seq（编码器-解码器）模型。我认为情况并非如此，因为我没有一系列输入，并且标签对顺序不敏感。
到目前为止，我已经收集了所有数据，矢量化的输入和输出-句子以词汇索引（大约5000个单词）表示-并尝试在不使用任何RNN的情况下制作了DNN，但效果确实很差。 / p>
我是ML的初学者，但我认为应该有一些RNN（LSTM，GRU），它的标记用作输入，弹出一些单词并传递内部状态 （之前的单词+标记输入）和单词输出到下一次迭代，直到达到预期的句子长度。但是我不确定如何实现这一目标。
我的简单DNN方法无法解决的示例。它使用长度为input_size的标签数组，并返回10个单词的句子，其中3490是当前词汇量。接受了大约1万个句子的训练。
model = keras.Sequential([
keras.layers.Dense(512, activation=tf.nn.relu, input_shape=(input_size,)),
keras.layers.Dense(512, activation=tf.nn.relu),
keras.layers.Dense(512, activation=tf.nn.relu),
keras.layers.Dense(34900, activation=None),
keras.layers.Reshape((10, 3490)),
keras.layers.Activation("softmax")])