单词或短语的自动标注

Question

我想用列表中定义的单词/短语之一自动标记一个单词/短语。我的列表中包含了大约230个columnA中的单词，它们都是在columnB中标记的。大约有16个独特的标签，这230个单词中的每一个都加上了这16个标签中的一个。

看看我的单子：

A栏中的词语/短语在B栏中标记为单词/短语。

​

不时会添加新单词，必须手动为其指定标记。我想要建立一个预测算法/模型，自动标记新单词(或建议)。因此，如果我写一个新词，让我们说“A36”，那么它就应该将标签预测为“托管存款”(B36)，而不是“运营准备金”(B33)。我应该如何准确地预测新单词的标签，即使这些单词与其实际标签中的单词不匹配？如果有人愿意看完整的名单，我可以高兴地分享。

Answer 1

短版

我认为你的问题有点不明确，没有一个简短的编码或宏观答案。考虑到每一项包含如此少的信息，我认为不可能从您的源数据构建一个良好的预测模型。相反，做一次标记练习，看看将来如何控制标签。

长版

以下是我将采取的步骤，以创建一个预测模型，以及为什么我认为你不能这样做。

1. 理解为什么您希望在上有一个预测程序

你为什么需要一个预测程序？您是否正在对数百条或数千条记录进行排序，这些记录都在更改，需要进行标记？如果是这样的话，我同意，你不会想手动做这件事。

如果这是一次性的练习，因为随着时间的推移，标签已经从原来的意义上被破坏了，你的问题是你的标签已经被破坏了，而不是你需要以某种方式预测每个项目应该被标记的位置。你应该考虑控制标签的使用，而不是预测未来人们可能会错误地或错误地命名一些东西。

不要忘记，Excel中有很多工具可以使问题更容易解决。比方说，你肯定知道，所有带有“现金”的项目都一定会转到“运营现金”(Operating)。把一个AutoFilter放在列表上，过滤‘现金’-现在只需复制和粘贴‘经营现金’旁边的所有这些。这样，您就可以快速地从列表中去掉那些显而易见的问题，并将精力集中在那些棘手的问题上。

1. 理解要使用的标记的特征.

花点时间看看你正在使用的标签--它们每一个都意味着什么？该标记所代表的唯一特性或功能组合是什么？

例如，您的标签'Operating Cash‘具有现金的特性(即不太快地被捆绑使用)和指定用于操作的特性。从这些，我们可能会得出进一步的特点，它是在某个地方，或某个人对此负有责任。

如果您有更多的源数据需要继续，您也许可以使用“创建的年份”或“客户”这样的字段来帮助您进一步分类。

1. 理解您想要标记的项目是什么，可以让您知道它们应该去哪里。

这是你最大的问题。一个快速的例子-- "MIP储备“字符串中的什么给出了任何线索，表明它应该与”托管存款“挂钩？您没有简单的方法来匹配列表中的许多项--在多个标记中出现多个单词。

然而，试着寻找唯一的标识符，这将给你提供线索-例如，所有项目的‘开发人员’似乎被标记为‘开发商费注和兴趣’。你还有这些吗？使用这些来减少您的问题，因为它们应该是一个简单的映射。

任何唯一标识符都将允许您为这些字符串设置规则。你甚至不需要坚持一个词--也许当你看到几个单词时，你可以把它缩小到最后的位置。例如，当我看到“鸡蛋”时，它可能会变成“鸟”或“爬行动物”，但如果“蛋”和“翅膀”成对，我可以相当确信它是“鸟”。

您需要将要标记的项的特征与步骤1中开发的标记的唯一标识符相匹配。

1. 编写程序或宏以查找步骤2中的标识符，并返回步骤1.中的相关标记。

这是直截了当的。寻找您想要的标识符(例如，使用“现金”，包含“非常重要的客户”标签)，并在前面的标签中寻找最佳匹配。

确保捕获任何错误-如果没有找到标记会发生什么？它能创造一个新的吗？它推荐联系你寻求帮助吗？如果有多个标签相关，会发生什么情况？你的决断标准是什么？

但要注意..。

1. 理解如何控制这些唯一标识符的使用.

假设您设法想出了一个唯一标识符的列表。你将如何控制它们的使用？如果你决定把任何带有“现金”字样的物品寄到“运营现金”标签上，然后一年后，有人出现并制造了一个项目“资本现金”，因为他们想要把即将花在资本项目上的现金放在某个地方，你该如何阻止这种情况？你将如何控制这些词的使用？

您将需要有效地控制项目命名系统，并建立一个商定的识别单词列表。每当有人制造一个项目时，他们都需要在某个地方包含您的标识符。我可以告诉你这是行不通的。要么他们会使用错误的词，而你最终会手动做它无论如何，或者他们会打电话给你困惑，你最终将手动做它。

如果你是唯一这样做的人，只要做一次练习，按照你自己的标准(记录)并坚持这个标准。当你需要交出它的时候，它是清晰有序的，也是有意义的。如果不止一个人这样做，那么在你和团队之间做一次练习，然后商定一种控制它的方法。

编写一个预测程序听起来很棒，可能会节省你一些时间。但是考虑一下你为什么要写它。你将来可能需要不断地给账户贴上标签吗？如果是这样，则集中控制它们的命名，并使其在生成时必须使用标记。如果不是，你为什么要写一个程序来做这个呢？就这么做一次，手动。