使用NLP / ML / word2vec / tensorflow进行预测。 我有来自服务请求实用程序的1000条记录。 我有服务请求列表&执行人员针对每个服务请求采取的相应行动,这是自然英语语言(对于来自不同用户的相同类型的请求,文本可能不同)。
样本记录 -
请求:添加到用户ID yyy的 操作:要求用户获得经理的批准,然后手动将用户ID添加到邮件别名组。 我的理解是这个数据可以用作我的模型(NLP / ML / word2vec)的训练数据,这样一种方式,如果给出任何相同类型的新请求作为模型的输入,模型应该能够建议执行人员应采取的必要行动。这是我想要实现的目标,但不知道如何从何处开始。我已经从 https://github.com/tmikolov/word2vec https://github.com/tensorflow/tensorflow/tree/r0.12/tensorflow/models/embedding 任何指针。
答案 0 :(得分:1)
我认为您可以将此视为翻译问题。而不是在您从需求转换为行动的语言之间进行翻译。 TensorFlow页面有一个您可以尝试的翻译教程:https://www.tensorflow.org/tutorials/seq2seq/
为了更简单一点,您还可以在包含请求和答案的整个文本文件上训练字符预测RNN。使用http://karpathy.github.io/2015/05/21/rnn-effectiveness/的示例代码对此进行了详细说明。
然后,RNN也能够生成或自动完成请求:)。