我想使用发布前可用的数据来预测电影总收藏，例如标题，演员，导演，工作室，评论家评级，流派等。我找到了一种方法来数字化量化大部分这些，但无法量化标题。标题传达了许多有用的信息，例如电影是续集，标题长度，相关情感等。如何从标题中定量提取这些信息？
答案 0 :(得分：0)
BoW是创建基于文本的功能的标准方法，虽然我不推荐它，因为电影标题很短，而且其中很多都包含脱离上下文的单词，命名实体..这将使你的特征向量更多稀疏
您可以为标题的每个单词创建一个word2vec编码，然后将标题的平均向量作为您的要素。我最喜欢的工具：gensim或Facebook fast Text