关键字建议算法

Question

我一直致力于一个项目，要求我根据产品描述提供关键字/关键短语建议。

我目前拥有的产品：产品描述，产品类别（可能存在或可能不存在）。

我想要的：基于描述的机器生成的关键字/关键短语。

我做了哪些研究:(基于NLP的方法）这个问题可以分解为两种不同的方法。

• 不使用过去的数据：只是总结当前的描述
• 方法： - 标记化，词干化，删除停用词等（预处理）
• 浅NLP（选区解析）并仅保留NP＆amp; JJ短语。

这将是一种不使用数据库中存在的描述的方法。

我正在寻找的是一种更好的方法，它使用ML算法并使用我过去的产品描述数据。

我正在考虑对整个数据集应用浅层解析，然后给出超过N个产品遇到的关键字。

什么算法或方法会派上用场？ 我如何使用我的数据？

Answer 1

尝试查看基本模型如：Term Frequency或TF-IDF，这会给你一些重要的词：https://en.wikipedia.org/wiki/Tf%E2%80%93idf， 然后搜索文本聚类（对于群集文本到彼此相关的群组）和主题检测方法（这可以帮助您找到与文档相关的突出单词和主题）

然后你可以找到每个群集的关键词（你也可以考虑文档的类别），并尝试找到最相关的词到另一个词

我建议阅读本书的一些/或整章：http://nlp.stanford.edu/IR-book/https://en.wikipedia.org/wiki/Tf%E2%80%93idf