假设我有一些多类文本/会话分类器（朴素的贝叶斯等），我想找到对分类很重要的文本模式。我最好如何找到这些文字模式？这背后的动机是你可以使用这些模式来更好地理解分类背后的过程。
模式被定义为一组（{多）单词s={w1, ... , wn}，该模式具有每个类c - P(c|s)的类概率 - 由分类器推断。如果推断概率很高，那么模式就很重要（局部最大值，前n个，类似的东西）。
现在，在您正在查看的数据集中对部分文本运行分类器不会是一个问题。然而，这些模式不一定是自然语句或类似的东西，而是词汇表的任何（多个）子集。然后，您正在考虑在词汇表的所有（多个）子集上运行分类，这在计算上是不现实的。
我认为可行的方法是使用启发式搜索算法（例如爬山）搜索文本空间，以最大化某个类的可能性。您可以从不同的初始条件中多次运行hillclimber，然后将前10个左右的独特结果作为模式。
这是一个好方法，还是更好的方法？感谢您的任何建议。