我正在开发一项将查询多个报价(Groupon 等)的新服务,我想破译哪个类别属于此报价。
示例:
我得到这个标题:“Acqualina Wellness Expo – Acqualina Resort & Spa”,我需要找出属于此优惠的类别。
我尝试玩 http://www.google.com/insights/search/但这并不容易,因为它只接收 7 个参数(术语),有时我们会遇到无法分开的复合词。
最佳答案
有基于 Wordnet 和搜索距离等的有趣方法,但标准方法是贝叶斯垃圾邮件过滤器方法。
第 1 步:构造一组标题(或标题和正文)示例以及您认为它属于什么类别。你做的这个集合越大越多样化越好。您需要有许多(假设至少是两位数,但最好是数百个)来自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这个集合,您可以使用 Amazon 的 Mechanical Turk 并花钱请其他人进行分类。
第 2 步:通过 CRM114 (http://crm114.sourceforge.net/) 或类似工具运行您的所有示例。如果您想使用云服务,我认为 Google Prediction API 允许文本字段。
第 3 步:为了进行测试,不要让分类器看到所有示例。在所谓的样本外集合中保留一些,您可以在其上测试您的分类器。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它在未见过的例子上有多好。一些分类器会自动为您做这个测试。
祝你好运!
关于c# - 如何找到哪个类别属于只有标题的报价?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/6142844/