问变长序列和描述的集合:一个搜索问题

EN

虽然使用一个热编码动作的RNN是可能的，但我建议您的模型需要在更深的层次上理解国际象棋(或类似的复杂游戏)，以便能够将评论与位置联系起来。

我会对位置本身进行编码(如α-零文件中的分层表示)，并通过conv来建模与注释对应的位置之间的时间关系。(也许你可以找到一个预先训练过的评估模型作为基线)。

我读了相当多的国际象棋评论，有一件事很常见，那就是一次有一个动作和几个动作的评论(比如开场白，或者被迫继续)，这是相当离散的(我的“10步牺牲”和我的“15步失误”与隐藏状态无关)。这导致我认为，与RNN模型不同，您实际上是在尝试首先分区，然后将移动嵌入到注释空间中--这将导致一个模型，该模型首先是一个RNN，该模型可能会学习可能需要注释的移动分区，然后另一个模型，也许是条件自动编码器，将联合训练(position _注释)子序列(此时您仍然应该有大量的功能可以处理，所以不必担心微弱的信号)。

这里的“搜索”功能不是指纯粹的深度学习模型，因为您希望找到特定的位置实例，而不是带有该注释的典型位置(即对潜在空间进行抽样)。这使我认为，您创建了一个显式的数据结构，将最终嵌入空间中的点映射到它们的位置。因此，如果您想搜索“尼斯牺牲”，模型将在“注释空间”中找到最近的点，然后使用余弦距离之类的方法返回这些游戏，或者最后一步是对(position )空间进行聚类。

无论哪种方式，有趣的问题，先尝试更简单的事情。

我对国际象棋表示法不太了解，但看起来你可以在某种程度上把这些动作编码成几个类别。然后，每一个动作都是你(输入)顺序中的一个时间步骤。您可以尝试使用seq2seq模型将您的输入序列(游戏进展)映射到输出语句。我确实认为，将输入建模为一个循环单元是非常可能的，但是预测原始文本输出可能很难正确提取，因为信号太薄，很难捕获。您可以考虑将这些注释分类为几个类别，并将其转化为RNN分类问题，这可能会带来更好的结果。