該機器學習技術應該被用於郵件分類

Question

我有具有客戶信息和最後一類的數據集示例中的一個是以下各項

key message             final category 
1  i want customer care no i want to talk with ur team  other 
2  hi I 9986443603cjhh had qkuiv1uhqllljqvocally q illgi vq noclass 
3  hai points not coming          checking 

喜歡。該數據集是至少20個最終類別類型的大文件。請建議適當的方法，使用將作爲其最終類別的消息對數據進行分類。我正在考慮使用消息詞製作feature_vector，並將它饋送到貝葉斯，它會很棒嗎？或者我必須使用其他技術。

非常感謝。

Answer 1

你可以考慮用詞嵌入。 你可以從here下載embbedings（在這個鏈接-Glove，你可以選擇使用word2vec）。

這個想法是，相似的單詞將有相似的向量。 將消息中的每個單詞轉換爲一個向量後，您可以對所有向量進行平均（或者，使用TF-IDF獲得更好的結果），以獲取消息的向量表示。 當然，像qkuiv1uhqllljqvocally這樣的詞彙不會出現在詞彙表中。 要檢查結果，可以將所有向量聚類（使用20均值聚類，如果有20個類），以查看類似消息聚集到同一組。