机器学习在python中的应用

Question

我们正在努力实现一个以输入为小说，并能提取作者风格(字长、句子长度、逗号用法等)的系统，以便能够预测文档的作者身份；当我们给出任何受过训练的作者的匿名文档时。

我们的训练系统必须使用机器学习算法来学习作者的风格。是否存在使用朴素贝叶斯算法训练系统来提取每个作者风格的问题？否则，你能给我一个更好的选择吗？

我们正在设法在python中实现它。你能告诉我从哪里开始吗？提前谢谢..。

Answer 1

首先，我要看一看科学知识-学习：一个具有许多实现算法的机器学习库。

对于文本分类，朴素贝叶斯通常不能达到最好的结果。看看支持向量机和算法，基于它们的想法，比如(您可以在scikit网站上搜索这些机器和算法，然后从那里搜索)：SGDClassifier、PassiveAggressiveClassifier和LinearSVC。

Scikit也实现了朴素的Bayes分类器，所以也要看看它们。

我不会从手动决定什么与作者的风格相关开始。看看CountVectorizer (单词包模型)和TfidfVectorizer (TfidfVectorizer of words模型)，它们应该为您构建一个不错的特性。

Answer 2

有许多python库可以用来度量输入文本的不同语言方面，然后使用这些值作为特性可能会提高模型的质量。我在这里列举几个可以帮助您度量主观性、复杂性、非正式性、具体性等方面的方法：

TextBlob

Domain-Agnostic-Sentence-Specificity-Prediction

可读性

TextStat

Python语义复杂性分析器

不确定

词汇多样性

词汇丰富性

我希望这能帮上忙！