Jump to content

    

Какую нейорсеть и метод обучения выбрать? (языки)

Какую нейросеть и какой метод обучения выбрать при такой задаче?

Есть язык CSS (Cascading Style Sheets), он имеет очень простой синтаксис и структуру.

Почти весь код состоит из блоков, где записаны свойства со значениями. Блок выглядит следующим образом:

div {
 	width: 50px;
  	height: 100px;
  	font-family: Times New Romance;
}

Меня интересует то, что в скобках (блоках). В примере есть width, height, font-family, это называется свойства и с ними мне предстоит работать.

Модель должна предлагать варианты автозавершения свойствам. Например я ввожу букву 'w', она предлагает 'width'. Обычно варианты для автозавершения выдаются в алфавитном порядке, мне же надо их ранжировать в зависимости от контекста. 

Модели в каком-то виде будет подано много кода, она должна проанализировать его и научиться понимать например такие вещи: 

  • если в самом начале блока пишется 'w', то надо подсказать 'width' (потому что обычно в начале блока на 'w' пишут width)
  • или если в блоке уже есть 'font-falimy', то он предложит 'font-size' (потому что после font-family обычно идёт font-size

Смысл в том чтобы модель поняла все зависимости сама.

В итоге 3 вопроса:

  1. Какую нейросеть использовать?
  2. Какой метод обучения выбирать?
  3. Каким способом разметить данные?

Или такой: где я могу больше об этом узнать?

Всё что я знаю на данный момент, что мне надо использовать рекуррентные сети, потому что они могут анализировать контекст, но LSTM и GRU работают только при обучении с учителем(вроде). Может показаться, что я полный дилетант в этом, так и есть, мой уровень - 10-ти часовой курс. Но у меня есть задание и я должен его сделать. Пожалуйста, помогите.

 

Share this post


Link to post
Share on other sites

Create an account or sign in to comment

You need to be a member in order to leave a comment

Create an account

Sign up for a new account in our community. It's easy!

Register a new account

Sign in

Already have an account? Sign in here.

Sign In Now
Sign in to follow this