【发布时间】:2014-08-12 20:27:38
【问题描述】:
背景
我确实有一个图像数据集(类似于ImageNet),每张图像都有一个“有错别字的描述”。我想在这个人身上运行一些深度卷积神经网络,但我需要先生成“标签”。那么问题来了:
问题
如何从“有错别字的描述”中生成类别的“标签”?
技术资料
数据集有大约 1300 万张图像,带有相应的(有效的)“描述”和可选的“错别字”。以下是“描述”的一些示例:
想法
我正在考虑通过以下方式解决问题。
- 修正错别字:
- 运行拼写检查以识别拼写错误;
- 找到可以修复它的更好的词,通过
- 查看数据集中的其他描述,或
- 检查图像并手动更正错字;
- 生成最终标签:
- 对句子嵌入(将句子映射成 ℝᴺ 的函数)运行聚类算法(例如 k-means)或
- 使用最常出现的词。
【问题讨论】:
-
不要无缘无故地投票,因为这个问题确实显示“研究工作”,它是“明确”和 “有用”,向提出要求的用户写一些东西会更好。如果缺少某些内容或建议算法解决方案(这就是本网站的全部内容),请询问更多信息。
-
我认为这个问题是有效的,而且是一个很好的问题。但这可能是题外话。在Computational Science SE 之类的网站上提问怎么样?
-
我想说这不是 OT,但我想说CrossValidated 更适合得到答案。
-
谢谢你们的cmets。由于我的问题的性质,我仔细考虑了“在哪里”写这个问题,最终我得出结论,因为它是关于“算法解决方案”,stackoverflow 是最合适的。这与统计推断无关,也与特定的数值方法无关。但是,如果有经验的用户认为这个问题有更好的位置,我会轻轻地邀请他们把它移到那里。
标签: label spell-checking text-processing text-parsing word-cloud