algorithm - 词分类算法优缺点

Question

对于大学项目，我需要构建一个软件，根据对虚拟建筑工地的一些评论，检测其实际状态(刚开始，正在施工， 终止)。

例如，给定评论:

• “很高兴听到我们可以步行穿过英吉利海峡大桥”
• “昨天去新建的桥跟 friend 去法国旅游”
• “他们刚刚完成工地，第 5 英里处已经出现裂缝。真令人失望!”

系统应检测到“英吉利海峡大桥”施工现场已经结束。

目前我正在尝试选择要用于该项目的单词分类算法。我在网上搜索寻找最好的分类算法来使用。我读过有关 SVC 的内容，但由于我不是该领域的真正专家，所以我不确定 SVC 是否符合我的场景。

我想要获得的不是我的问题的解决方案，而是可用算法及其优缺点的列表。

Answer 1

您对问题的表述不正确，导致人们很难给您列出优缺点。

您所描述的问题实际上并不是单词分类问题，因为您没有对单词进行分类。你要做的是:

1. build 项目的命名实体识别
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)都可以工作。

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 build 项目命名实体或一旦将这些实体分类到您的3 类。

我的建议是，您可以使用其中一种免费提供的 NER 工具包/库，添加与建筑项目相关的字典功能(例如桥梁、塔等...)，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. 您需要什么样的表现？
3. 您愿意考虑哪些语言/库(恕我直言，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，但我想这是您需要的答案。 ;)