machine-learning - 在这种情况下应该使用哪种机器学习模型？

Question

最近我正在开发我的类(class)项目，它是一个 Android 应用程序，可以根据用户的声音自动帮助填写消费表单。这是一个例句:

所以我想做的是让应用程序自动填写表单，我的表单有几个字段:时间(昨天)，位置(麦当劳)，成本(10美元)，类型(食物)。这里的“类型”字段将包括食物、购物、交通等。

我已经使用分词库将句子分成几个部分并对其进行解析，因此我已经可以从用户的语音中提取时间、位置和成本字段。

我想做的是用某种机器学习模型推导“类型”字段。所以应该提前有一些记录，由用户手动输入来训练模型。训练结束后，当新记录进来时，我首先提取时间、地点和成本字段，然后根据模型计算类型字段。

但是我不知道如何表示位置字段，是否应该使用字典来包含许多著名的位置并使用索引来表示位置？如果是这样，我应该使用哪种机器学习方法来模拟这个需求？

Answer 1

我将从朴素贝叶斯分类器开始。下面的链接应该有助于理解它:

• http://en.wikipedia.org/wiki/Naive_Bayes_classifier
• http://cs229.stanford.edu/notes/cs229-notes2.pdf
• http://scikit-learn.org/stable/modules/naive_bayes.html

我想知道与您的任务地点相比，时间和成本是否具有歧视性/信息性。

一般来说，请查看以下有关处理文本数据的链接(即使您不了解 python，它也应该很有用):

• http://scikit-learn.org/dev/tutorial/text_analytics/working_with_text_data.html