Resume shortlisting mit Neural Network

Question

Bitte geben Sie mir eine Methodik, um diese Aufgabe mit neuronalen Netzwerk zu erreichen. -> zur Eingabe von Werten in das neuronale Netzwerk -> das neuronale Netz mit

Answer 1

Haben Sie in TensorFlow sehen, Googles Open-Source-Neural Network-Bibliothek? They support recurrent neural networks, was es klingt wie du beschreibst.

Ich bemerkte das Java-Tag in Ihrer Frage; Leider ist TensorFlow eine Python-Bibliothek. Bei Bedarf können Sie die Gewichte und Verzerrungen des Modells aus TensorFlow exportieren und das trainierte Netzwerk in Java rekonstruieren. Ich bin mir nicht sicher, ob es existierende Java-Werkzeuge zum Rekonstruieren von rekurrenten neuronalen Netzwerken gibt, aber es ist von vornherein machbar.

EDIT (Details auf neuronalen Netzen Zusammenbauen):

Siehe here Ausführliche Informationen zum Druck/Ihre Gewichte und Vorurteile aus TensorFlow Speicher (I gab vor kurzem eine Frage über das Thema, und erhielt eine hilfreiche Antwort). Wie für das Netzwerk in Java Modellierung, hier einige unvollständige Python Code, den ich für einen Feed-Forward (einmalig) Netzwerk geschrieben, die Sie in Java „übersetzen“ können und für Ihre eigenen Bedürfnisse anpassen:

import numpy as np 

#I copied this function from an answer here: 
#https://stackoverflow.com/questions/34968722/softmax-function-python 
def softmax(values): 
    values = [x for x in values] 
    return np.exp(values)/np.sum(np.exp(values), 0) 

def rectify(ls): 
values = ls 
for i in range(len(values)): 
    values[i] = values[i] * (values[i] > 0) 
return values 

class Neuron: 
def __init__(self, weights, bias): 
    self.weights = weights 
    self.bias = bias 
def compute(self, inputs): 
    sum = self.bias 
    for i in range(len(inputs)): 
     sum += self.weights[i] * inputs[i] 
    return sum 

class Layer: 
def __init__(self, weightSets, biases): 
    self.neurons = [] 
    for i in range(len(weightSets)): 
     neuron = Neuron(weightSets[i], biases[i]) 
     self.neurons.append(neuron) 
def compute(self, inputs): 
    outputs = [] 
    for neuron in self.neurons: 
     outputs.append(neuron.compute(inputs)) 
    return outputs 

def networkCompute(inputs): 
global layer1, layer2, layer3 
v = rectify(layer1.compute(inputs)) 
v = rectify(layer2.compute(v)) 
return softmax(layer3.compute(v))