LSTM 可以用来生成文本，它们可以用来修复损坏的文本文件吗？
说我原来是：
Alice was beginning to get very tired of sitting by her sister on the
bank, and of having nothing to do
现在变成了：
Alice0004 XGFT was beginning to get 900io ALPHA very tired 00New York 333 of siing XXXYYY by her siter on THIS IS 898 the
bank, and of &*& HHH GTY DOG AND CAT having nothing to do.
基本上，添加了很多废话（一些无意义的单词但也有有意义的单词，还有一些字母可能已被删除）。
LSTM 有什么办法可以解决这个问题吗？（也许通过事先清理一些，然后让 LSTM 做剩下的）
您应该使用 Seq2Seq（使用 LSTM/GRU/RNN）架构来完成文本清理任务。编码器网络将接收“嘈杂”序列，解码器将生成“清理”序列。
Seq2Seq 模型通常用于神经机器翻译 (NMT)。
接下来是您将需要一个非常大的数据集。幸运的是，在文本序列中生成噪声注入（真实单词、符号、假词、字母遗漏等）应该不会太难。
类似任务的一个很好的指南在下面的帖子中。该实现使用 Keras 并拥有所有代码。https://towardsdatascience.com/how-to-create-data-products-that-are-magical-using-sequence-to-sequence-models-703f86a231f8
是的，你绝对可以试试。我建议您尝试字符级 LSTM，因为它有助于修复某些拼写错误。即使不是这样，您也可以尝试一个简单的尝试。LSTM 可能需要大量数据，所以我建议可能先使用一些基本规则，因为有很多未知单词。也许值得使用基于关键字的规则来消除无意义的单词。也许使用一些 Wordnet 并在英语词典中获取单词以获取现有单词。然后，使用 Levenshtein 距离或其他指标检查单词是否非常接近字典单词。