6VecLM

6veclm

Persyaratan

• Python 3.7
• Obor 1.3.1
• Gensim
• Sklearn

Perkenalan

Terapkan jaringan Word2Vec dan Transformer untuk menghasilkan kumpulan alamat aktif kandidat.

Ilustrasi 6Veclm. 6VECLM berisi dua komponen IPv62Vec dan Transformer-IPV6. IPv62VEC memetakan seluruh ruang add-dress aktif ke ruang vektor semantik, di mana alamat dengan urutan yang sama akan diklasifikasikan ke dalam cluster yang sama. Vektor alamat semantik akan dipelajari oleh Transformer-IPV6 untuk mengimplementasikan pemodelan bahasa IPv6.

Makalah Penelitian 6VECLM: Pemodelan bahasa dalam ruang vektor untuk pembuatan target IPv6 telah diterima pada Konferensi Eropa tentang Pembelajaran Mesin dan Prinsip -Prinsip dan Praktik Penemuan Pengetahuan dalam Basis Data (ECMLPKDD 2020).

Catatan: Kode ini didasarkan pada transformator beranotasi. Terima kasih banyak kepada penulisnya.

QuickStart

6Veclm terdiri dari tiga perintah:

1. Bangun kata alamat dari kumpulan data.

 $ python data_processing.py

2. Latih model IPv62VEC dan hasilkan distribusi kata / alamat dalam ruang vektor.

 $ python IPv62Vec.py

3. Latih model transformer IPv6 dan hasilkan kandidat.

 $ python IPv6_Transformer.py

Jika model telah dilatih, Anda dapat menggunakan load_model.py untuk secara langsung menghasilkan kandidat lainnya.

 $ python load_model.py