我的问题：如何训练只有正面和中性数据的分类器？
我正在建立一个用于教育目的的个性化文章推荐系统。我使用的数据来自Instapaper。
数据集
我只有正数据： - 无论读/未读状态如何，我已经阅读过的文章和＃34;喜欢＆＃34;
中性数据（因为我已表示对它感兴趣，但我以后可能不喜欢它）： - 未读的文章 - 我读过并标记为已阅读的文章，但我没有＆＃34;喜欢＆＃34;它
我没有的数据是负面数据： - 我没有发送给Instapaper以便稍后阅读的文章（我不感兴趣，虽然我浏览了那篇文章/文章） - 我可能没有点击过的文章，但我可能已经或可能没有将其归档。
我的问题
在这样的问题中，基本上缺少负面数据。我已经想到了以下解决方案，但还没有解决它们：
1）将一些负数据输入分类器 优点：立即负面数据，以教授分类器 缺点：随着我喜欢的文章数量的增加，对分类器的负面数据影响变暗
2）转动＆＃34;中立＆＃34;数据转化为负数据 优点：现在我拥有了我需要的所有正面和（新）负面数据 缺点：尽管中性数据对我来说很感兴趣，但我仍然希望得到有关此类文章的建议，但也许是一个价值较低的类别。
答案 0 :(得分：17)
Spy EM algorithm解决了这个问题。
S-EM是一个文本学习或分类系统，它从一组正面和未标记的例子中学习（没有反面例子）。它基于“间谍”技术，朴素贝叶斯和EM算法。
基本的想法是将你的积极集合与一大堆随机文档相结合，其中一些是你提出来的。您最初将所有随机文档视为否定类，并在该集合上学习一个朴素的贝叶斯分类器。现在，其中一些已抓取的文档实际上是正面的，您可以保守地重新标记任何得分高于最低得分的文档。然后你迭代这个过程，直到它稳定。
答案 1 :(得分：9)
如果您有不同用户的大量积极反馈，那么您就有了一个相当典型的协作过滤方案。
以下是一些CF解决方案：
存在这些算法的公开可用实现，例如
顺便说一下，如果你使用分类器来解决这些问题，请看一下有关积极学习的文献，例如： http://users.csc.tntech.edu/~weberle/Fall2008/CSC6910/Papers/posonly.pdf
答案 2 :(得分：1)
这显然是一个老帖子，但我有一个类似的问题，希望你可以节省一些时间，我发现自己使用以下技术：
答案 3 :(得分：1)
答案 4 :(得分：0)
你想要做的更多的是recommender system而不是我认为的分类器。
现有技术是使用每篇文章的内容并创建bag of words。从这里您可以计算不同文章的距离。具有密切相似性的文章（使用像Pearson，Tanimoto这样的聚类或相似性）将是您更可能想要阅读的文章。这是快速获取内容的最简单方法。
当然有更复杂和准确的方法。
答案 5 :(得分：0)
制作两个二元分类器。
1 -> "liked" or not
2 -> "neutral" or not
您还可以选择将它们链接在一起，以避免出现“喜欢”和“中立”的情况。这将允许您对内容进行分类。
正如@ThierryS提出的另一个答案所示，另一种选择是建立一个推荐器，允许你推荐其他类似用户已经识别为“喜欢”或“中立”的内容。社会方面的优势。
答案 6 :(得分：0)
如果您想远离机器学习示例：TF-IDF可以为您提供与您喜欢（或查看过）的文章相似的文章的加权肯定推荐，并且对于此用例非常常见。
更复杂的非学习方法包括用于确定文档相似性的LSA，但实现起来并非易事，并且LSA“空间”的构建在没有大量处理能力的情况下不会超过数百或数千个文档。
这两个都在计算语言学领域。
祝你好运！