我正在开发一项新服务，它将查询多个优惠（Groupon等等），我想破译属于此优惠的类别。
示例：
我得到这个头衔：“Acqualina Wellness Expo - Acqualina Resort＆amp; Spa”，我需要找出属于此类优惠的类别。
我尝试使用http://www.google.com/insights/search/，但这并不容易，因为它只收到7个参数（术语），有时我们会有无法分开的复合词。
答案 0 :(得分：1)
有基于Wordnet和搜索距离等的有趣方法，但标准方式是贝叶斯垃圾邮件过滤方法。
第1步：构建标题（或标题和正文）的示例集以及您认为它属于哪个类别。你做得越大越多样化越好。您需要拥有许多（比如至少两位数，但最好是数百个）您希望能够识别的每个类别的不同示例。如果您需要帮助构建此集合，您可以使用亚马逊的Mechanical Turk并向其他人付费进行分类。
第2步：运行CRM114（http://crm114.sourceforge.net/）或类似内容的所有示例。如果您想使用云服务，我认为Google Prediction API允许使用文本字段。
第3步：为了进行测试，请不要让分类程序查看所有示例。保留一些所谓的样本外集，您可以测试您的分类程序。它对它已经看到的东西进行分类要容易得多，所以你要确保你知道看不见的例子有多好。某些分类程序会自动为您执行此测试。
祝你好运！