文字分类算法正反

Question

至于大学项目，我需要构建一个软件，给出一些关于虚拟建筑网站的评论，来检测它的实际状态(just started，in construction，terminated)。

例如，考虑到以下评论：

• “很高兴听到我们能走过英吉利海峡大桥”
• 昨天我去了新建的桥，和我的朋友们一起去法国旅行
• “他们刚刚完工，第五英里已经有裂缝了。真令人失望！”

该系统应检测到“英吉利海峡大桥”施工现场已经结束。

目前，我正在尝试选择用于此项目的单词分类算法。我在网上搜索，寻找使用的最佳分类算法。我读过关于SVC的文章，但是，由于我并不是这个领域的专家，所以我不确定SVC是否符合我的场景。

我想得到的不是我的问题的解决方案，而是一个可用算法的列表，以及它们的优缺点。

Answer 1

你把你的问题描述得不正确，使人们很难给你一个正反两方面的清单。

您所描述的问题并不是真正的单词分类问题，因为您没有对单词进行分类。你想做的是：

1. 建筑工程命名实体识别
2. 根据提及上下文将每个命名实体划分为3种不同的类型。

算法不是真正的问题。大多数分类算法(线性回归、决策树、支持向量机等)会起作用的。

您实际遇到的问题(但基于您的问题并没有意识到)是，您没有找到名为实体的建设项目的培训数据，也没有将这些实体分类的培训数据。

我的建议是，您可以使用免费提供的NER工具包/库，在字典中添加与建设项目相关的功能(如桥梁、塔楼等)。看看你在第一部分的任务中能做得有多好。

更重要的考虑是：

1. 你要花多少时间或多少钱才能得到带注释的数据？
2. 你需要什么样的表演？
3. 你愿意考虑哪种语言/库(IMHO最不重要的问题)

对不起，我意识到这可能不是你想听到的答案，但我怀疑这是你需要的答案。;)