如何从文本中提取 COMPLAINT 特征,以便对非投诉文本中的投诉进行分类

Posted

技术标签:

【中文标题】如何从文本中提取 COMPLAINT 特征,以便对非投诉文本中的投诉进行分类【英文标题】:How to extract COMPLAINT features from texts in order to classify complaints from non-complaints texts 【发布时间】:2017-09-23 06:32:59 【问题描述】:

我有大约 6000 个文本的语料库,其中包含来自社交网络(FB、twitter)的 cmets、来自一般和区域新闻和杂志等的新闻内容。我浏览了前 300 个文本并标记了这 300 个文本中的每一个' 内容为客户投诉或非投诉。

我想知道如何准确提取这些投诉和非投诉文本的特征,而不是幼稚的词袋方式?我的目标是使用 SVM 或其他分类算法/库(如 Liblinear)最准确地将其余这些文本分类为当前训练集的 300 个文本的投诉或非投诉。这个过程类似于情绪分析吗?如果没有,我应该从哪里开始?

【问题讨论】:

【参考方案1】:

我想你会发现词袋并不那么幼稚。实际上,将数据提供给 SVM 是一种非常有效的表示数据的方式。如果这不能为您提供足够的准确度,您始终可以在特征向量中包含二元组,即单词对,而不仅仅是一元组。

【讨论】:

以上是关于如何从文本中提取 COMPLAINT 特征,以便对非投诉文本中的投诉进行分类的主要内容,如果未能解决你的问题,请参考以下文章

SVM:向从图像中提取的特征向量添加临床特征

文本清洗+文本分类

OCR技术浅探:特征提取

文本特征选择

文本特征提取

[机器学习与scikit-learn-43]:特征工程-特征提取(编码)-2-什么是特征提取以及文本词频向量