使用 NLP/ML/word2vec/tensorflow 进行预测答案

【问题标题】：Prediction using NLP/ML/word2vec/tensorflow使用 NLP/ML/word2vec/tensorflow 进行预测
【发布时间】：2017-01-04 13:15:53
【问题描述】：

使用 NLP/ML/word2vec/tensorflow 进行预测。我有 1000 条来自服务请求实用程序的记录。我有服务请求列表和行政人员为每个服务请求采取的相应行动，这些服务请求是自然英语语言（对于来自不同用户的相同类型的请求，文本可能不同）。

样本记录-

请求：为用户 id yyy 添加 xxx 邮件别名

操作：要求用户获得经理的批准，然后手动将用户 ID 添加到邮件别名组。

我的理解是，这些数据可以用作我的模型（NLP/ML/word2vec）的训练数据，这样如果有任何相同类型的新请求作为模型的输入，模型应该能够建议行政人员应采取的必要行动。这是我想要实现的目标，但不知道如何以及从哪里开始。我已经执行了来自

的样本

任何指针。

【问题讨论】：

【解决方案1】：

我认为您可以将其视为翻译问题。不是在语言之间进行翻译，而是从请求翻译为行动。 TensorFlow 页面有翻译教程你可以试试：https://www.tensorflow.org/tutorials/seq2seq/

为了更简单，您还可以在包含请求和答案的整个文本文件上训练一个字符预测 RNN。 http://karpathy.github.io/2015/05/21/rnn-effectiveness/ 的示例代码很好地描述了这一点。

然后，RNN 也将能够生成或自动完成请求 :)。

【讨论】：