如何找出哪一种类别属于只有标题的要约？

Question

我正在开发一项新服务，它将查询多个报价(Groupon等)。我想破译哪个类别属于这个提议。

示例：

我得到了这个标题：“阿克奎琳娜健康博览会

我试着玩http://www.google.com/insights/search/，但这并不容易，因为它只接收7个参数(术语)，有时我们有无法分离的复合词。

Answer 1

有一些基于Wordnet和搜索距离的有趣方法，但是标准的方法是贝叶斯垃圾邮件过滤方法。

步骤1:构造一个标题(或标题和正文)的示例集，以及您认为它属于什么类别。你做的越大，越多样化，这套就越好。你需要有很多不同的例子(比如说，至少一个两位数的数字，但最好是几百个)。如果您需要帮助构建这个集合，您可以使用Amazon的机器土耳其语，并付钱给其他人来进行分类。

步骤2:通过CRM114 (http://crm114.sourceforge.net/ )或类似的方法运行所有示例。如果您想使用云服务，我认为Google预测API允许使用文本字段。

步骤3:对于测试，不要让分类器查看所有示例。保持一些所谓的样本外集，你可以测试你的分类器。对于它来说，分类已经看过的东西要容易得多，所以你要确保你知道它在看不见的例子上有多好。有些分类器会自动为您进行此测试。

祝好运!