0
我手頭有一個問題陳述，我需要知道它是否可以通過機器學習來解決。它是這樣的： -帶動態類集的多標籤分類的侷限性
我在其中一個用戶可以上傳文件，所以讓我們說我們有一個名爲 xxxZxxx.xxx
用戶進入多層次到系統的文件夾結構，並將該文件系統文件，（比如說） A/B/C/d/Z/xxxZxxx.xxx
我們需要一個系統，讀取文件名並建議 路徑它在哪裏放置。
在這種情況下，文件名包含路徑的最後一部分，這是一個Business Object目錄，但它可能不包含。我們有10^5的路徑和文件。
和新路徑，即可以隨着時間增值業務對象，這使它成爲一個多類分類與大約10^5類，不斷提高
這是可以解決的？
我嘗試使用一袋字符（靈感來自單詞袋）作爲失敗的特徵向量。
對此可以遵循的任何方法有何評論？讓我知道是否需要其他信息我將編輯問題或更改標籤。
嗨，我已經通過你提到的選項。用戶可能會或可能不會將文件名稱作爲子文件夾，儘管它只有一個。這不是一個可以使用reg-ex的問題。我們正試圖在人們的命名規則中找到一種模式，如果這樣做更清楚的話。 – divyenduz 2014-09-05 12:46:05
所以你說用戶可能會提供一個可能與已經存在的目錄相匹配的名稱，或者它可能是一個完全不同的名稱。而且你不知道用戶命名約定，因此你不知道要尋找什麼樣的模式。 如果以上是真的，你想把它變成ML問題，那麼它必須是一個監督學習。你有以前的用戶數據在哪裏你已經知道什麼用戶給文件名corressponds什麼目錄結構？如果有，那麼我們可以進一步考慮把這個問題作爲一個ML問題，否則所有的希望都會丟失，我認爲它是一個ML問題。 – 2014-09-05 18:54:06
爲什麼很難把它當成一個無監督的學習問題是因爲你正在期待（或有）對用戶向你拋出的每個文件名的100％正確響應。因此，對於每個數據點（文件名），您都有一個明確的標籤（目錄結構） – 2014-09-05 18:55:31