问使用线性/增量主题对文本文档进行分类
EN

Data Science用户

提问于 2015-09-17 18:11:38

回答 1查看 219关注 0票数 0

我试图使用几个不同的维度对文本文档进行分类。我试图创建任意的主题来分类，比如大小和相关性，它们是线性的或渐进的。例如：

尺寸:小，小，中，大，大。相关性:坏的，好的，太棒了

我正在用手训练分类器。例如，这个文档代表一个“小”的东西，另一个文档正在讨论一个‘大’的东西。当我尝试多标签或多类支持向量机时，它不能很好地工作，而且逻辑上也不合理。

我应该使用哪种模型来帮助我预测这种线性类型的数据？我现在用的是一个单词的tfidf向量来学习。

回答已采纳

发布于 2015-09-17 18:41:18

如果您希望这些输出维度是连续的，只需将您的大小和相关性指标转换为实际值目标即可。然后，您可以使用各种模型中的任何一个来执行回归而不是分类。你甚至可以尝试训练一个多目标神经网络来同时预测所有这些输出。

此外，您还可以考虑首先使用主题模型 (如LDA )作为您的功能空间。

基于这些值，听起来“相关性”可能是一个变量，最好由情感分析的技术来捕捉。

票数 1

页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://datascience.stackexchange.com/questions/8114

复制

相似问题

问使用线性/增量主题对文本文档进行分类EN