机器学习将公司名称分类到他们的行业

Question

我要做的是要求用户输入公司名称，例如Microsoft，并且能够预测它在计算机软件行业中。我有大约15万个名字和60多个行业。有些名字不是英文公司名称。

我曾尝试使用Gensim仅根据公司名称训练Word2Vec模型，并在将其输入SKlearn的逻辑回归之前对单词向量进行平均，但结果却很糟糕。我的问题是：

1. 有没有人尝试过这类任务？谷歌搜索短文本分类显示我对短句而不是纯名称进行分类的结果。如果有人之前尝试过此操作，请介意分享一些关于此任务的关键词或研究论文吗？

2. 如果我对每家公司进行简要描述而不仅仅使用他们的名字会更好吗？对我的Word2Vec模型有多大帮助，而不仅仅使用公司名称？

Answer 1

对于您的问题，这只是公司 - 行业关系，所以为此，您必须使用公司描述数据训练您的word2vec model，因为word2vec用于计算与给定单词相关的相似单词。所以如果你根据公司名称进行培训会给你带来不好的结果。如果你对描述进行培训，那么就会给你与特定行业相关的类似词语。通过使用它，你可以得到它所属的行业。

如果您想根据公司名称进行培训，NER（命名实体标签）将非常有用。但这不准确。

Answer 2

不确定你想要什么。

如果关键是只使用公司名称，可能会将名称分为音节/音素，并训练该数据。

如果重点是使用Word2Vec，我建议为每家公司提取维基百科页面（比“关于我”更容易自动化）。