我正在尝试构建一个模型,该模型将尝试识别所提供文本的兴趣类别/主题。例如:
“早些时候喜欢玩足球比赛。”
将解析为顶级类别,如:
“运动”。
我不确定我在这里尝试实现的正确术语是什么,因此Google没有找到任何可能提供帮助的库。考虑到这一点,我的方法将是:
我的方法可能涉及为每个兴趣类别设置单独的语料库,我确信准确性会相当悲惨 - 我知道它永远不会那么准确。
一般都在寻找一些关于我想要实现的可行性的建议,但问题的关键在于:a)我的方法是否正确? b)是否有任何图书馆/资源可能有所帮助?
答案 0 :(得分:6)
你似乎知道很多正确的术语。尝试搜索“文档分类”。这是您要解决的一般问题。在代表语料库上训练的分类器将比您想象的更准确。
还有很多其他信息,包括有关此主题的在线教程:
答案 1 :(得分:4)
你应该查看Latent Dirichlet Allocation,它会为你提供没有标签的类别,因为ed chens bolg总是一个好的开始。