我目前正在使用自定义模型，我正在为自己的用例进行培训。我的用例是根据是否是地址变更请求对电子邮件进行分类。如果可以从单个句子理解地址更改请求，则它可以正常工作而不会出现问题。但是，如果需要从多个句子中理解地址更改请求，则它无法正常工作。 举几个例子如下： - 示例1： - 这是工作 1。 a）培训档案： -
Guys I wish to <START:contactupdate> change my address <END> .
我的新地址是西米德兰兹郡考文垂多塞特路68号，CV1 4ED。 一旦完成，请确认。 感谢。
b）用以下句子测试模型： - 字符串输入=＆＃34;伙计们我想改变我的地址。我的新地址是68 Dorset Road，Coventry，West Midlands，CV1 4ED。请在完成后确认。感谢。＆＃34 ;; //工作
示例2： - 这不起作用。 让我们说地址变更请求只能从多行推断出来。
＆＃34;我的旧地址不再有效。需要更新它。＆＃34;
如何在这种情况下训练我的模型？如何为上面指定自定义标签？
你能帮忙吗？我被卡住了。 非常感谢答案 0 :(得分：0)
你不工作是什么意思？你想要检索的东西没有被检索？或者，当标签分布在多条线上时，训练会在某处崩溃？
通常，您在此过程中训练的（默认为MaxEnt）模型会尝试检测您正在训练的事物的常用功能。通常，这些是命名实体，如人员，组织，位置。在许多语言中，这些都包含典型的功能（如前缀Mr.Mrs。，后缀corp。，语素“street”）。这可以由模型拾取并应用于新数据，从而可以识别您想要识别的任何一个。然而，你要做的事情是非常先进的NLP。由于短语越长，可能的变化越大，拾取共性变得更加困难。我要说的是，对于你的用例，人们通常使用解析（选区或依赖解析）或其他更复杂的工具，而不仅仅是这种相对平坦的模式识别。所以你可能想要研究这些。我不知道您掌握了多少数据，您可以从中推断出表达希望更改客户数据库中地址的不同方式。如果合理（即不仅仅是几个句子），您可能需要手动注释它们，解析语料库，在解析树/图表上使用机器学习感兴趣的句子并以这种方式进行处理。如上所述，在我看来，非常先进的NLP，而不是具有开箱即用解决方案的东西。
答案 1 :(得分：0)
如果我正确理解了您的问题，则认为您正在尝试对电子邮件进行分类，以查找其地址是否更改。但是模型示例看起来像是命名实体。我认为，最好使用Apache OpenNLP的“文档分类程序”功能。
您可以为可能的句子提供不同的样本，这些样本可以归类为地址更改。 “地址更改”，“一般查询”等可以是一个类别。这样，您可以根据需要添加任意数量的不同样本，以及多种句子变体。这是easy & basic tutorial for document categorization training & usage.