词分类算法优缺点

Question

对于大学项目，我需要构建一个软件，给定一些关于虚拟建筑工地的 cmets，检测其实际状态（just started、in construction、terminated）。

例如，给定 cmets：

• “很高兴听到我们可以穿过英吉利海峡大桥”
• “昨天和朋友去新建的桥上去法国旅游”
• “他们刚刚完成了站点，并且在第 5 英里处已经出现了裂缝。真是令人失望！”

系统应该检测到“英吉利海峡大桥”施工现场已经结束。

目前我正在尝试选择用于该项目的词分类算法。我在网上搜索了要使用的最佳分类算法。我读过关于 SVC 的文章，但由于我不是该领域的专家，因此我不确定 SVC 在我的场景中的合规性/优点。

我想要获得的不是解决问题的方法，而是列出可用算法及其优缺点。

Answer 1

您的问题表述不正确，使人们难以为您列出优缺点。

您描述的问题并不是真正的单词分类问题，因为您没有对单词进行分类。您正在尝试做的是：

1. 建设项目命名实体认定
2. 根据提及上下文将每个构造命名实体分为 3 种不同类型。

算法不是真正的问题。大多数分类算法（线性回归、决策树、SVM 等）都可以使用。

您实际遇到的问题（但根据您的问题没有意识到）是您没有训练数据 用于查找建筑项目命名实体或将这些实体分类到您的3 个类别。

我的建议是您使用其中一个免费提供的 NER 工具包/库，添加与建筑项目相关的字典功能（例如桥、塔等词），然后看看您在你任务的第一部分。

更重要的考虑因素是：

1. 您需要多少时间/金钱来获取带注释的数据？
2. 您需要什么样的性能？
3. 您愿意考虑哪种语言/库（恕我直言，这是最不重要的问题）

对不起，我知道这可能不是您想听到的答案，但我怀疑这是您需要的答案。 ;)