通过搜索词预测产品的类别

Question

问题：用户使用搜索词进行产品搜索，我们应该定义与该搜索词最相关的类别（类别按降序排列）。

鉴于： 产品集，大约 50000 个（可能是十倍以上）产品。产品包含标题、描述和所属类别的列表。

型号：

预处理执行词干提取并从产品标题和描述中删除停用词。将所有唯一的词干放入大小为 N 的 WORDS 列表中。将所有类别放入大小为 M 的 CATEGORIES 列表中。

拟合使用具有 N 个输入神经元和 M 个输出的神经网络。

训练 对于具有单词 w1、w3、w4、w6 的产品，输入将是 x=[1 0 1 1 0 1 ...] 其中索引对应于 thouse 单词索引的元素WORDS 将设置为 1。如果产品属于类别 c1、c3、c25，则对应于 y =[1 0 1 ... 1(第 25 个位置)...] 预测步骤。作为输入，用户搜索词的词干标记应该作为输出为我们提供最相关类别的预测。

这个模型是解决此类问题的正确方法吗？隐藏 NN 层配置的建议是什么。任何建议都会有所帮助，我是机器学习的新手。

谢谢！

Answer 1

我认为这是解决问题的正确方法，因为您正在处理多标签分类问题。也就是说，一个样本可以同时属于多个类，也可以属于一个类，或者不属于任何一个类（类别）。

这是 Python 上的一个很好的例子：multi-label classification。 您可以获取更多详情here。

对于隐藏层配置，第一种方法是使用交叉验证来测试测试集的准确性。但如果你想更进一步，请阅读this。