可以使用机器学习来验证语句或捕获文本文档中的错误吗？
例如，如果你教一个分类器＆＃34;你应该每天吃两次苹果＆＃34;，但在你正在测试的文件中，声明是＆＃34;你应该吃苹果每天三次＆＃34;，该声明可以被标记？
显然，您可以构建一些基于规则的软件来捕捉这些，但我的问题在于训练ML模型来捕捉这些，随着规则的变化。
我看过word2vec和NLTK，并用它们进行了一些测试，但不能连接点来教授分类器。
如果可能的话，会怎么做呢或提供一些方向？
谢谢，道格
答案 0 :(得分：1)
（评论太长了。）
是的，它可以。然而，它非常复杂。例如，这种推理和分析是由沃森完成的。 IBM称之为认知计算。在编写基于规则（或逻辑推理）的系统时，系统可以解决此类任务。因此，您应该问自己的问题是如何从文本中提取所需的事实。 =＆GT; NLP，词性，命名实体，......然而，任务非常艰难，因为＆＃34;不超过100次＆＃34;一天与句子不矛盾。所以推理需要丰富的背景知识。
如上所述，这是一个非常广泛的话题。你必须草拟解决方案，然后挑选一小块，这将被称为博士论文;）。 这个漂亮的图片http://matt.might.net/articles/phd-school-in-pictures/
中说明了这一点因此，找到正确的博士论文关键词http://nakashole.com/papers/2012-phd-thesis.pdf。这个可能会为你提供几个晚上的阅读。
如果你想尝试使用NLTK，我会为你想要分析的句子生成解析树。之后，您可以尝试对齐这些并检查重叠和偏差。但是，我不确定如何得出结论。一个稍微简单的版本就是逐字逐句地匹配。 Levenstein距离计算的一些东西。