6VecLM

6VECLM

ความต้องการ

• Python 3.7
• คบเพลิง 1.3.1
• เครื่องถ่อมตัว
• Sklearn

การแนะนำ

ใช้เครือข่าย Word2vec และ Transformer เพื่อสร้างชุดที่อยู่ที่ใช้งานของผู้สมัคร

ภาพประกอบของ 6VECLM 6VECLM มีสององค์ประกอบ IPv62Vec และ Transformer-IPv6 IPV62VEC แมปพื้นที่โฆษณาที่ใช้งานอยู่ทั้งหมดไปยังพื้นที่เวกเตอร์ความหมายซึ่งที่อยู่ที่มีลำดับที่คล้ายกันจะถูกแบ่งออกเป็นคลัสเตอร์เดียวกัน เวกเตอร์ที่อยู่ทางความหมายจะได้รับการเรียนรู้โดย Transformer-IPv6 เพื่อใช้การสร้างแบบจำลองภาษา IPv6

รายงานการวิจัย 6VECLM: การสร้างแบบจำลองภาษาในพื้นที่เวกเตอร์สำหรับการสร้างเป้าหมาย IPv6 ได้รับการยอมรับในการประชุมยุโรปเกี่ยวกับการเรียนรู้ของเครื่องจักรและหลักการและการปฏิบัติในการค้นพบความรู้ในฐานข้อมูล (ECMLPKDD 2020)

หมายเหตุ: รหัสนี้ขึ้นอยู่กับหม้อแปลงหมายเหตุประกอบ ขอบคุณมากสำหรับผู้เขียน

เร็ว

6VECLM ประกอบด้วยสามคำสั่ง:

1. สร้างคำที่อยู่จากชุดข้อมูล

 $ python data_processing.py

2. ฝึกอบรมรุ่น IPV62VEC และสร้างการกระจายคำ / ที่อยู่ในพื้นที่เวกเตอร์

 $ python IPv62Vec.py

3. ฝึกอบรมรุ่น IPv6-transformer และสร้างชุดผู้สมัคร

 $ python IPv6_Transformer.py

หากโมเดลได้รับการฝึกฝนคุณสามารถใช้ load_model.py เพื่อสร้างชุดผู้สมัครอื่น ๆ โดยตรง

 $ python load_model.py