在不同字符串参数之间为文档相似性建模的最佳方法是什么？

Question

我在预测用户所面临问题的解决方案方面遇到问题。

问题设置如下：

我们有一个问题和解决方案的数据库。对于每个问题，我们都有三个参数来表示。

1. 职位名称（字符串-职位名称）
2. JobId （整数-职位ID）
3. RootCause （字符串-该问题的原因）。

每个问题都有面对该问题的用户添加的相应解决方案。该解决方案参数是

1. 解决方案（字符串-用户为该问题输入的解决方案）

因此，我们想利用该数据库并预测新问题的解决方案（问题是一组作业名，作业ID，根本原因-全部是字符串）

我们最初想出了这个解决方案。 我们只想确定与我们的查询问题类似的问题（作业名，作业ID，根本原因集），并提供最接近问题的解决方案。 但是在这种情况下，我们无法像在房价预测问题中那样衡量培训误差。

通常，我们如何解决这个问题，以及我们需要使用哪种机器学习模型？

Answer 1

似乎，您想要构建一种推荐系统。根据问题的原因，提出建议的解决方案列表。一种可能的解决方案-将word2vec用于向量化thread.start()，然后尝试使用向量相似度来发现类似问题。