如何找到哪個類別屬於只有標題的優惠？

Question

我正在開發一個新的服務，將查詢多個優惠（Groupon等..），我想破譯哪個類別屬於此優惠。

例子：

我得到這個稱號：「Acqualina酒店健康博覽會 - Acqualina酒店度假村&溫泉」，我需要找出屬於該提供什麼類別。

我嘗試玩http://www.google.com/insights/search/，但這並不容易，因爲它只接收7個參數（術語），有時我們有複合詞無法分離。

Answer 1

有一些基於Wordnet和搜索距離等有趣的方法，但標準的方法是貝葉斯垃圾郵件過濾器方法。

步驟1：構建一個標題（或標題和正文）的示例集合以及您認爲它屬於哪個類別。更大更多樣化的你讓這一切變得更好。你需要有很多（假設至少有兩位數的數字，但最好有數百個）來自你想要識別的每個類別的不同例子。如果你需要幫助構建這個集合，你可以使用亞馬遜的Mechanical Turk並支付其他人進行分類。

第2步：通過CRM114（http://crm114.sourceforge.net/）或類似的東西運行您的所有示例。如果您想使用雲服務，我認爲Google Prediction API允許使用文本字段。

第3步：要進行測試，請不要讓分類程序看到所有示例。保留一些稱爲超出樣本集的內容，以便測試分類器。對它已經看到的東西進行分類要容易得多，所以你要確保你知道它看不見的例子有多好。一些分類器會自動爲你做這個測試。

祝你好運！