Как я могу объединить ввод смешанного типа в многослойную сеть с deeplearning4j?

Question

У меня есть набор данных, в котором некоторые функции являются числовыми, некоторые категориальными, а некоторые являются строками (например, описание). Для примера, скажем, у меня есть три функции:

| Number | Type | Comment                               |
---------------------------------------------------------
| 1.23   | 1    | Some comment, up to 10000 characters  |
| 2.34   | 2    | Different comment many words          |
... 

Могу ли я иметь их все в качестве входных данных для многослойной сети в dl4j, где числовые и категориальные будут обычными входными функциями, но функция строковых комментариев будет сначала обрабатываться как ряд слов простым RNN (например, Embedding - > LSTM)? Другими словами, архитектура должна выглядеть примерно так:

"Number"  "Type"  "Comment"
  |         |         |
  |         |      Embedding
  |         |         |
  |         |       LSTM
  |         |         |
 Main Multi-Layer Network
          | 
        Dense
          |
         ...
          |
       Output

Я думаю, что в Керасе это может быть достигнуто слоем Конкатенация. Есть ли что-то подобное в DL4J?

Answer 1

Dl4j имеет 99% -ое покрытие импорта керас. У нас также есть конкатнеатные слои. Посмотрите на различные вершины. Все, что вы можете сделать в keras, должно быть в dl4j, за исключением особых случаев. Подробнее здесь: https://deeplearning4j.org/docs/latest/deeplearning4j-nn-computationgraph Вы хотите MergeVertex.