- Java 双重比较
- java - 比较器与 Apache BeanComparator
- Objective-C 完成 block 导致额外的方法调用?
- database - RESTful URI 是否应该公开数据库主键?
假设我有一个类似这样的帖子
此外,我还有一个类别列表,其中包含相关的关键字:
我有多个类别(它、艺术、医学、文学、机械等...)
我需要使用 java 自动升级带有这些类别和关键字(一种标记)的帖子,以改进 future 的搜索。
上面的示例:应匹配“seo”和“web”,因此 main_category 字段应填写“IT”,subfield_category 字段应填写“seo”或“web”(或两者都填写,这是也很糟糕)
我的问题是,我能想出的唯一解决方案是 waaaaay 进入暴力破解(测试所有单词,当一个匹配你有类别和与之相关的关键字列表时),它会减慢我的表现。 ..
有什么方法可以更好地进行搜索吗?我也可以修改我的类别->关键字结构来做一些更好的事情(我仍然不知道如何......)
提前致谢!
编辑:正如 amit 在评论中所要求的那样,准确性并不那么重要。我不需要 100% 的标记准确率,因为我知道我可以根据字符串的原始匹配获得诚实的正确性。
此外,我考虑的逻辑是:查看帖子标题/描述,搜索任何匹配的关键字,标记类别,搜索更多属于该类别的关键字,保存 3 到 5 个匹配的关键字
最佳答案
您可能想尝试不同的方法,使用 Machine Learning .
算法说明:
首先,创建一个学习样本[你知道应该如何标记它们的文档,你可以手动标记一个样本并将其作为算法的输入]。然后,创建 Bag Of Words对于这些示例,使用 k
词袋 [您需要通过对质量进行基准测试来确定哪个 k
是最佳的,我稍后会解释]。
每个单词都是一个“特征”,接下来,对于每个新文档,您将尝试从学习样本中找出哪个文档是 nearest neighbor [IE。在你的词袋中有最多的“词”],新文档将被标记为其最近的邻居。
如何衡量质量?
您可以通过从学习样本中取出 10% 的文档来检查质量,并只对剩余的 90% 进行学习。完成学习后,您可以通过检查剩余 10% 的准确性来评估您的算法的准确性。请注意,您可能需要执行此操作几次才能找到最佳的 k [词袋大小],如上所述。
关于Java 快速字符串匹配(将文本关联到类别),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/7227969/
如何使用 SPListCollection.Add(String, String, String, String, Int32, String, SPListTemplate.QuickLaunchO
我刚刚开始使用 C++ 并且对 C# 有一些经验,所以我有一些一般的编程经验。然而,似乎我马上就被击落了。我试过在谷歌上寻找,以免浪费任何人的时间,但没有结果。 int main(int argc,
这个问题已经有答案了: In Java 8 how do I transform a Map to another Map using a lambda? (8 个回答) Convert a Map>
我正在使用 node + typescript 和集成的 swagger 进行 API 调用。我 Swagger 提出以下要求 http://localhost:3033/employees/sear
我是 C++ 容器模板的新手。我收集了一些记录。每条记录都有一个唯一的名称,以及一个字段/值对列表。将按名称访问记录。字段/值对的顺序很重要。因此我设计如下: typedef string
我需要这两种方法,但j2me没有,我找到了一个replaceall();但这是 replaceall(string,string,string); 第二个方法是SringBuffer但在j2me中它没
If string is an alias of String in the .net framework为什么会发生这种情况,我应该如何解释它: type JustAString = string
我有两个列表(或字符串):一个大,另一个小。 我想检查较大的(A)是否包含小的(B)。 我的期望如下: 案例 1. B 是 A 的子集 A = [1,2,3] B = [1,2] contains(A
我有一个似乎无法解决的小问题。 这里...我有一个像这样创建的输入... var input = $(''); 如果我这样做......一切都很好 $(this).append(input); 如果我
我有以下代码片段 string[] lines = objects.Split(new string[] { "\r\n", "\n" }, StringSplitOptions.No
这可能真的很简单,但我已经坚持了一段时间了。 我正在尝试输出一个字符串,然后输出一个带有两位小数的 double ,后跟另一个字符串,这是我的代码。 System.out.printf("成本:%.2
以下是 Cloud Firestore 列表查询中的示例之一 citiesRef.where("state", ">=", "CA").where("state", "= 字符串,我们在Stack O
我正在尝试检查一个字符串是否包含在另一个字符串中。后面的代码非常简单。我怎样才能在 jquery 中做到这一点? function deleteRow(locName, locID) { if
这个问题在这里已经有了答案: How to implement big int in C++ (14 个答案) 关闭 9 年前。 我有 2 个字符串,都只包含数字。这些数字大于 uint64_t 的
我有一个带有自定义转换器的 Dozer 映射: com.xyz.Customer com.xyz.CustomerDAO customerName
这个问题在这里已经有了答案: How do I compare strings in Java? (23 个回答) 关闭 6 年前。 我想了解字符串池的工作原理以及一个字符串等于另一个字符串的规则是
我已阅读 this问题和其他一些问题。但它们与我的问题有些无关 对于 UILabel 如果你不指定 ? 或 ! 你会得到这样的错误: @IBOutlet property has non-option
这两种方法中哪一种在理论上更快,为什么? (指向字符串的指针必须是常量。) destination[count] 和 *destination++ 之间的确切区别是什么? destination[co
This question already has answers here: Closed 11 years ago. Possible Duplicates: Is String.Format a
我有一个Stream一个文件的,现在我想将相同的单词组合成 Map这很重要,这个词在 Stream 中出现的频率. 我知道我必须使用 collect(Collectors.groupingBy(..)
我是一名优秀的程序员,十分优秀!