LSTM Character-Aware Language Model

本文介绍了一种基于字符的神经语言模型,该模型利用LSTM和CNN进行字符级语言建模,可在词水平上进行预测。文章对比了自编码器与生成对抗网络的效果,并提供了项目代码来源。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

DeepDGA中提到的自编码器

代码来自 AAAI 2016 论文《Character-Aware Neural Language Models》。

这是一个仅建立在字符输入上的一个神经语言模型(NLM)。预测还是在词水平上进行。当输入一个LSTM循环神经网络语言模型(RNN-LM)时,该模型在字符上启用了一个卷积神经网络(CNN)。也可选择让该CNN的输出通过一个 Highway Network,这能提升表现。

多数基础代码来源于Andrej Karpathy的字符RNN实现:https://github.com/karpathy/char-rnn。

Window 系统上安装 Lua

window下可以使用"SciTE"IDE环境来执行lua程序,下载地址为:

Github 下载地址:https://github.com/rjpcomputing/luaforwindows/releases
Google Code下载地址 : https://code.google.com/p/luaforwindows/downloads/list
Lua 官方推荐的方法使用 LuaDist:http://luadist.org/

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值