如何找到哪个类别属于只有标题的报价？

Question

我正在开发一项新服务，它将查询多个优惠（Groupon 等..），我想破译哪个类别属于此优惠。

示例：

我得到了这个标题：“Acqualina Wellness Expo – Acqualina Resort & Spa”，我需要找出属于此优惠的类别。

我尝试使用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 和搜索距离等的有趣方法，但标准方法是贝叶斯垃圾邮件过滤方法。

第 1 步：构建一组示例标题（或标题和正文）以及您认为它属于什么类别。你做的这个集合越大越多样化越好。您需要从您希望能够识别的每个类别中拥有许多（假设至少是一个两位数，但最好是数百个）不同的示例。如果你需要帮助构建这个集合，你可以使用亚马逊的 Mechanical Turk 并支付其他人来进行分类。

第 2 步：通过 CRM114 (http://crm114.sourceforge.net/) 或类似的工具运行所有示例。如果您想使用云服务，我认为 Google Prediction API 允许使用文本字段。

第 3 步：为了测试，不要让分类器看到所有示例。将一些保存在所谓的样本外集中，您可以在上面测试您的分类器。对它已经看到的东西进行分类要容易得多，所以你要确保你知道它在看不见的例子上有多好。一些分类器会自动为您执行此测试。

祝你好运！