- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我们收到了许多来自客户的反馈和问题报告。它们是纯文本。我们正在尝试为这些文档构建一个自动分类器,以便 future 反馈/问题可以自动路由到正确的支持团队。除了文本本身之外,我认为我们应该将客户资料、案例提交区域等内容纳入分类器中。我认为这可以为分类器做出更好的预测提供更多线索。
目前,所有选择用于训练的特征都是基于文本内容的。如何包含上述元特征?
(顺便说一句,我对此很陌生。如果这个问题很琐碎,请原谅我。)
我目前的做法是首先对原始文本(包括标题和正文)进行一些典型的预处理,例如删除停用词、词性标记和提取重要词。然后,我将标题和正文转换为单词列表,并以某种稀疏格式存储它们,如下所示:
instance 1: word1:word1 count, word2: word2 count, ....
instance 2: wordX:word1 count, wordY: word2 count, ....
对于其他非文本功能,我计划将它们添加为单词“columns”之后的新列。所以最终的实例将如下所示:
instance 1: word1:word1 count, ... , feature X:value, feature Y:value
最佳答案
如果客户文件数据是二进制值(例如客户的性别),则特征可以设计为0,1,其中0代表男性,1代表女性。当特征具有多个值时,例如提交区域(假设我们这里有五个区域)。我们应该将其设计为具有五个维度的特征向量,例如[0 0 1 0 0],向量的每个维度表示该帖子是否来自该特定区域。在使用逻辑回归等分类器时,这种方法在实践中比使用具有多个值的特征更好
您正在使用称为词袋表示的功能。因为词袋是文档中单词的 tf,但是 tf 较高的单词是否应该比 tf 较低的单词更重要。我认为不是。在实践中,tf*idf 表现出更好的性能。
idf (逆文档频率)是估计单词重要性的一种方法,通常,文档频率(df)是估计单词在分类中的重要性的好方法,因为当单词出现在较少的文档中时(nba 总是出现在属于体育类的文档)表现出更好的区分度,因此 idf 与单词重要性呈正相关。
关于machine-learning - 是否有任何最佳实践来为基于文本的分类准备特征?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/22087407/
我有一个 if 语句,如下所示 if (not(fullpath.lower().endswith(".pdf")) or not (fullpath.lower().endswith(tup
然而,在 PHP 中,可以: only appears if $foo is true. only appears if $foo is false. 在 Javascript 中,能否在一个脚
XML有很多好处。它既是机器可读的,也是人类可读的,它具有标准化的格式,并且用途广泛。 它也有一些缺点。它是冗长的,不是传输大量数据的非常有效的方法。 XML最有用的方面之一是模式语言。使用模式,您可
由于长期使用 SQL2000,我并没有真正深入了解公用表表达式。 我给出的答案here (#4025380)和 here (#4018793)违背了潮流,因为他们没有使用 CTE。 我很欣赏它们对于递
我有一个应用程序: void deleteObj(id){ MyObj obj = getObjById(id); if (obj == null) { throw n
我的代码如下。可能我以类似的方式多次使用它,即简单地说,我正在以这种方式管理 session 和事务: List users= null; try{ sess
在开发J2EE Web应用程序时,我通常会按以下方式组织我的包结构 com.jameselsey.. 控制器-控制器/操作转到此处 服务-事务服务类,由控制器调用 域-应用程序使用的我的域类/对象 D
这更多是出于好奇而不是任何重要问题,但我只是想知道 memmove 中的以下片段文档: Copying takes place as if an intermediate buffer were us
路径压缩涉及将根指定为路径上每个节点的新父节点——这可能会降低根的等级,并可能降低路径上所有节点的等级。有办法解决这个问题吗?有必要处理这个吗?或者,也许可以将等级视为树高的上限而不是确切的高度? 谢
我有两个类,A 和 B。A 是 B 的父类,我有一个函数接收指向 A 类型类的指针,检查它是否也是 B 类型,如果是将调用另一个函数,该函数接受一个指向类型 B 的类的指针。当函数调用另一个函数时,我
有没有办法让 valgrind 使用多个处理器? 我正在使用 valgrind 的 callgrind 进行一些瓶颈分析,并注意到我的应用程序中的资源使用行为与在 valgrind/callgrind
假设我们要使用 ReaderT [(a,b)]超过 Maybe monad,然后我们想在列表中进行查找。 现在,一个简单且不常见的方法是: 第一种可能性 find a = ReaderT (looku
我的代码似乎有问题。我需要说的是: if ( $('html').attr('lang').val() == 'fr-FR' ) { // do this } else { // do
根据this文章(2018 年 4 月)AKS 在可用性集中运行时能够跨故障域智能放置 Pod,但尚不考虑更新域。很快就会使用更新域将 Pod 放入 AKS 中吗? 最佳答案 当您设置集群时,它已经自
course | section | type comart2 : bsit201 : lec comart2 :
我正在开发自己的 SDK,而这又依赖于某些第 3 方 SDK。例如 - OkHttp。 我应该将 OkHttp 添加到我的 build.gradle 中,还是让我的 SDK 用户包含它?在这种情况下,
随着 Rust 越来越充实,我对它的兴趣开始激起。我喜欢它支持代数数据类型,尤其是那些匹配的事实,但是对其他功能习语有什么想法吗? 例如标准库中是否有标准过滤器/映射/归约函数的集合,更重要的是,您能
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 这个问题似乎与 help center 中定义的范围内的编程无关。 . 关闭 9 年前。 Improve
我一直在研究 PHP 中的对象。我见过的所有示例甚至在它们自己的对象上都使用了对象构造函数。 PHP 会强制您这样做吗?如果是,为什么? 例如: firstname = $firstname;
...比关联数组? 关联数组会占用更多内存吗? $arr = array(1, 1, 1); $arr[10] = 1; $arr[] = 1; // <- index is 11; does the
我是一名优秀的程序员,十分优秀!