使用python以編程方式猜測段落的標籤

Question

我試圖閱讀關於NLP的一般信息，以及特定的nltk以便與python一起使用。我不確定是否存在尋找什麼，或者我是否需要開發它。

我有一個程序從不同的文件中收集文本，文本是非常隨機的，談論不同的事情。每個文件包含一個段落或3個最大值，我的程序將打開這些文件並將它們存儲到一個表格中。

我的問題是，我可以猜測段落是關於什麼標籤？如果有人知道現有的技術或方法，我會非常感激。

感謝，

Answer 1

您的任務被稱爲「文檔分類」，並且nltk book有一整章。我會以此開始。

這一切都取決於您的標籤分配標籤。您是否有興趣將您的文檔與預先存在的一組標籤進行匹配，或者可能在主題提取中選擇（選擇文本中N個最重要的詞或短語）？

Answer 2

你應該訓練分類，最簡單的一個發展（你並不真的需要把它發展NLTK提供了一個）是幼稚baesian。問題是，你需要手動分類觀察的語料庫，然後讓程序猜測哪個標籤最適合給定的段落（不用說，訓練語料庫越大，分類器越精確，恕我直言，你可以達到正確性的80-85％）。看看docs。