【问题标题】:Train a text model to predict true or false训练文本模型来预测真假
【发布时间】:2017-07-06 11:36:02
【问题描述】:

所以我是整个机器学习主题的新手,但我认为我有一个有趣的问题要解决。我基本上只是想知道一个句子是否符合TRUEFALSE

这里有一些例句:

  • 是的,这就是我 -> 是的
  • 这是我 -> 真的
  • 是的,是的 -> 是的
  • 这不是我 -> 错误

....

现在我需要一些提示,例如如何成功训练模型。 Keras、Caffe 或其他工具以及我应该遵循什么样的原则。

感谢任何提示

更新

所以据我了解,我需要进行自然语言分类。我需要创建 2 个类并获取每个类的概率。

https://github.com/Russell91/nlpcaffe 这样的东西有用吗?

【问题讨论】:

  • 这太宽泛了。到目前为止你调查了什么?您具体在哪里遇到了与编程相关的问题?
  • 我试图改进问题
  • 我建议您提供有关您的用例的更多具体信息以及有关您现有机器学习/深度学习和 NLP 知识的更多背景信息。你究竟想通过这种分类来达到什么目的?你有多少样品?您是否尝试过诸如 Bag of Words、tfidf、朴素贝叶斯等浅层学习方法?您是否研究过词嵌入、Word2Vec、RNN、LSTM?还是从一开始就开始?如果是后者——从这里开始:course.fast.ai

标签: machine-learning nlp keras caffe


【解决方案1】:

如果我的理解是正确的,您想将各种回复分类为true/false,这可能是作为对话的一部分对问题的回复。

对于这种情况,您应该为truefalse 类创建/拥有一个包含大量示例的数据集,并训练一个二进制文本分类器。您可以阅读 SVM 和朴素贝叶斯,它们非常适合文本分类,并且可以使用 Scikit-Learn 轻松实现。

【讨论】:

    猜你喜欢
    • 2022-10-19
    • 1970-01-01
    • 1970-01-01
    • 2017-08-19
    • 2021-10-12
    • 2021-12-19
    • 2018-04-15
    • 1970-01-01
    • 2019-04-10
    相关资源
    最近更新 更多