猜测收据的类别

Question

我们有大量收据（超过2万张），并且希望对这些收据进行分类。一张收据可以属于一个或多个类别。目前，我们有500多个类别。

即

• 如果收据是关于互联网付款的。然后，我们的类别为“ InternetService”，并且收据中包含ISP信息和付款信息。
• 如果收据是关于午餐郊游的，那么我们的类别为“食品和饮料”，我们有餐厅名称，食品信息和金额。
• 如果收据是关于出租车的付款，则我们的类别为“运输”，我们有出租车公司信息，车辆，驾驶员，位置信息和金额。

因此，除了我在上面的示例中提到的类别之外，我们还具有“税收”类别，并且大部分收入都是其中的一部分。因此，每个收据可以具有一个或多个类别。

所以要猜测这个类别，我们使用了多标签分类解决方案。目前，我们将使用收据的全部文本，并使用收据文本和类别对模型进行训练。

想要验证我们是否遵循正确的方法来解决此问题。期待这里有专家的想法。

Answer 1

根据您的解释，您要解决的问题是基于示例的多类分类而不是多标签分类。

如果每个收据仅映射到许多可能类别中的一个类别，则为多类别分类。

如果每个收据可以映射到许多可能类别中的多个类别，则为多标签分类。

要了解更多信息并了解sklearn中解决这些问题的可用算法，请查看here。

有关使用文本数据的更多基本步骤，请read here

编辑：

您可以有一个单独的模型来预测每张收据的税收类别。由于构建多个多类模型比单个多标签模型相对容易。