python - 在Python中对上下文中的多个多词短语进行分类的NLP策略

Question

我需要一些帮助来选择 NLP 策略来对日记条目进行分类。以下是日记条目的外观以及正确分类的示例。

“昨天，我睡得很糟糕。我感觉很累，所以我当天的工作效率不是很好。”

分类:“ sleep :糟糕”和“生产力:不是很好”

我有一大套个人日记。人们会谈论他们已经做过(或尝试做)的事情以及结果如何(“好”，“坏”)。每个条目将有多次尝试和评级，我需要正确匹配它们。

现在，我可以采取的一种方法是在 Python 中使用 Spacy 的匹配器并给出一个多单词属性列表，例如

# Initialize the Matcher with the shared vocabulary
matcher = Matcher(nlp.vocab)

# Create a pattern matching two tokens: "iPhone" and "X"
pattern = [{'TEXT': 'not'}, {'TEXT': 'very'}, {'TEXT': 'good'}]

但是，问题是，即使我想出了一本新的评级和元素字典，我如何在上下文中匹配它们，例如正确的属性/形容词/评级与正确的元素(如生产力或 sleep )。

我确信有一种更有效的方法可以做到这一点，但我不太确定。任何帮助都会很棒，如果我可以更好地解决这个问题，请告诉我。

Answer 1

我会发表评论，但我的声誉太低，但这是 NLP 的一个非常有趣的应用。如果您的期刊已经有类别，我会研究机器学习方法。我最喜欢的文本分类工具是 fasttext ( https://fasttext.cc/docs/en/supervised-tutorial.html )

无论如何，祝你好运!