NLP - 從文本中提取類別/標籤

有沒有人有任何想法或可以告訴我如何從文章中提取類別？NLP - 從文本中提取類別/標籤

我擁有的是幾千篇文章（關於體育，新聞，商業等）的文集，我可以使用它。

例如，如果那裏有關於體育的文章中，我想我的程序就可以知道它的足球或籃球（或財產以後其他地方）所以輸出就不會停，如：

足球90％的籃球10％

2016-07-31 Eran

你有預先分類的文章，你可以用於培訓目的？ – RAVI

我希望。那麼這將是一個簡單的機器學習問題..如果我無法解決這個問題，似乎我將不得不找到一個預分類文章的語料庫，並建立它的訓練模型。 – Eran

我想你可以使用一些機器學習方法來實現這一點。我想到的是使用tf-idf統計。

Coursera上有一個名爲「Machine Learning Foundations: A Case Study Approach」的在線課程，教導如何在課程的第4周使用tf-idf統計。

2016-07-31 10:07:19 Dataman

我已經嘗試過使用tf-idf模型。我得到平庸的結果。文章中最重要的詞語（如湖人，科比），但不是類別。 – Eran

err我會抓住所有文檔的頂級說30個關鍵字並運行某種類型的聚類算法。一些K-means變種以K =您想要的類別數開始...... –

由於您沒有用於培訓的黃金數據，首先您需要創建一些。

對於這一點，你需要定義類和定義一些規則這是爲每個類明顯的選擇性，

article_text.contains("soccer") 
article_text.contains("Ronaldo")

等，以使自己的標註語料爲每個類。

這不會是100％準確的培訓數據，但它仍然足夠訓練目的。

然後，您可以使用任何ML算法進行培訓和測試。

2016-07-31 12:29:54 RAVI

回答