Como lidar com a alteração do comprimento do vetor de entrada com redes neurais

Quero treinar uma rede neural com uma sequência de caracteres como um vetor de entrada. Os exemplos de aprendizado têm duração diferente e, por esse motivo, não sei como representá-los.

Digamos que eu tenha dois exemplos de sequências, aqui os nomes:

john doe
maurice delanoe

O primeiro exemplo é de comprimento 8, o segundo é de comprimento 15.

Existe uma maneira de aprender com esses dois exemplos? Significando usar um vetor de entrada de tamanho 8 e 15 no mesmo sistema de aprendizagem.

Obrigado pela ajuda !

Existem três estratégias gerais em que posso pensar em NNs com tamanhos variados de entrada:

1. Pré-processe as entradas para salvar o mesmo tamanho. Por exemplo, as pessoas geralmente redimensionam imagens (ignorando a proporção) para uma resolução quadrada padrão para NNs. No caso do idioma, você pode converter todas as palavras em uma representação simbólica (por exemplo, "john" = 1, "james" = 2, "maurice" = 3, "kelly" = 4, "doe" = 5) se isso fizer sentido na sua aplicação.
2. Use uma janela deslizante. A rede consegue ver uma parte de tamanho fixo da entrada e, em seguida, você desliza a janela com algum passo fixo e a executa novamente (do zero), repete até chegar ao final e combina todas as saídas de alguma maneira.
3. O mesmo que o nº 2, mas usando uma rede neural recorrente para que a rede tenha algum estado interno que transite entre cada passada. É assim que as NNs processam o áudio da fala, por exemplo. Obviamente, essa é uma mudança mais dramática na arquitetura do que as outras opções, mas para muitas tarefas de idioma isso pode ser necessário (se você tiver entradas longas e precisar combinar informações através da cadeia de maneira complicada).