我想创建一个函数，当用户输入问题时它将自动建议类别。
我要做的第一步是创建带有关键字和值（类别）的预定义词典，例如，示例词典如下所示：
{sandra Bullock：电影女演员；鸟盒（公司）：netflix原始电影；鸟箱（书）：小说，恐怖书；鸟框：容器对象}。
我完成的第二步是提取问题中的关键字。例如，如果有人问“ sandra Bullock在鸟箱中的表现如何？”，在这种情况下，我的关键字提取将自动提取“ sandra Bullock表现”，“ bird box”。
问题是，由于我提取的关键字与字典中的关键字不完全匹配，因此我需要找到一种明智的说法，即“ sandra bullock性能”与“ sandra bullock”非常接近，并且“鸟箱”比“鸟箱（书）”更接近“鸟箱（公司）”。
到目前为止，我已经尝试运行一种简单的算法来匹配壁橱。对于提取的每个关键字。首先，我检查是否存在完全匹配。如果没有，那么我将开始搜索可能的n-gram解，从N到1。因此，对于“ sandra bullock性能”，我将开始搜索bi-gram，“ sandra bullock”，“ bullock性能” ”。如果找到完全匹配的内容，则停止。它并不总是有效。在“ bird box”关键字的情况下，由于没有完全匹配，因此当我运行此简单算法时，我将搜索uni-gram，即，我将匹配“ bird”和“ box”。使用此算法，我的类别输出将是：电影女演员，动物，容器对象。
我在现阶段的一些想法是（1）也许我需要找到一种识别名称实体的方法，（假设输入是小写），所以伪造是行不通的。 （2）尽管我不确定如何使用训练数据集的结果，但要获取更多文本（特别是在娱乐文章中）并在其上训练word2vec。
尽管此示例很小，但我的实际词典大约为1GB，因此搜索关键字需要花费大量时间。任何解决方案都必须考虑性能问题。
非常感谢您！