分层数据的语义类别预测

Question

我正在构建一个为少数行业的企业提供服务的网络应用程序。 我想构建一个只询问

的搜索框

您从事什么类型的工作？

| ____搜索框_____ |

用户可以输入任何文本，并根据关键字，我想建议一些类别。理想情况下，我希望返回5个带有相关置信度的结果，并让他们通过复选框选择。

例如，如果

关键字：清理

结果：

• 0：[清洁房屋，209]
• 1：[租赁结束，589]
• 2：[办公室清洁，210]
• 3：[户外清洁，202]
• 4：[General Gardening，161]

或关键字：自动轮

结果：

• 0：[汽车喷漆，533]
• 1：[Panel Beating，104]
• 2：[汽车清洁＆amp;细节，96]
• 3：[Car Mechanics，101]
• 4：[自动门＆amp;盖茨，185]

右边的数字是置信度。

请注意，我经常使用同义词作为关键字。鉴于我在 MongoDB 文档中的类别如下所示：

{
  'cleaning' : {
   'Outdoor Cleaning' : [ 'Outdoor', 'Yard', 'Cleaning', 'Field' ],
   'Office Cleaning' : ['Indoor', 'Office', 'Business', 'Corporate', Cleaning', 'Scrubbing']
  },
  'auto': {
    'mechanic' : ['car', '...']
  }
}

如何返回所需的结果？ 我训练了一个朴素贝叶斯分类器，但只分类成一个类别。 我现在正在研究 Term Frequency-Inverse Document Frequency（tf-idf）以获得一组排名结果，但我有点担心我的数据模型不适合算法。

我是否必须包含所有可能的同义词来训练类别？我应该等到现场手动训练基于真实关键词搜索的类别吗？

如果有人知道更好的方法来构建这些信息，我仍然可以更改我的数据模型......如果有人遇到过这样的问题，那么任何见解都会受到高度赞赏。

谢谢