使用NLP / ML / word2vec / tensorflow进行预测

Question

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＆amp;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

执行了样本

https://github.com/tmikolov/word2vec

https://github.com/tensorflow/tensorflow/tree/r0.12/tensorflow/models/embedding

任何指针。

Answer 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：）。