0

我需要开发自定义文本分类解决方案，它不使用输入文本作为一组特征，而是使用一些派生参数，例如文本中的 URL 数量、代表不同语音部分的单词数量、平均单词长度等。（假设我们能够推导出给定输入文档的一组特征）。

最初我考虑使用 OpenNLP 为我进行分类（通过 DocumentCategorizerME），但我看到它仅使用文本字符串作为可能的特征，并且不可能使用非谨慎的特征（例如表示平均字长的浮点数）。

所以问题是：

  1. 我错过了什么吗？是否真的可以调整 OpenNLP 以将其与整数或浮点特征一起使用以进行分类
  2. 如果不是，我应该使用什么建议的库/工具包？
4

2 回答 2

1

您应该尝试使用Mallet来使用自己的特征训练自己的分类器。这是一个帮助您入门的教程。

于 2013-06-13T14:40:20.390 回答
0

如果您像我一样从 Google 出现，您可能会注意到 OpenNLP 在分类方法中有一个 extraInformation 参数。不幸的是，它根本没有使用:(

这意味着雷诺给出的建议，也许是最好的选择。

或者，如果您必须使用 OpenNLP，您可以通过在数据中包含一个新词（在训练和预测中）来包含新功能。如：XAverageWordLengthX。我并不是说它是一个很好的解决方案，但可以帮助你的算法。

于 2019-08-15T16:32:16.697 回答