词语分类算法的优缺点

Question

作为大学项目，我需要构建一个软件，根据一些关于虚拟建筑工地的评论来检测其实际状态（刚开始、在施工中、已终止）。

例如，给定以下评论：

• “很高兴听到我们可以走过英吉利海峡大桥”
• “昨天我和朋友去了新建的桥上，去法国游玩”
• “他们刚刚完成这个工地，第五英里就出现了裂缝。太让人失望了！”

该系统应该检测到“英吉利海峡大桥”建筑工地已经结束。

目前，我正在尝试选择用于此项目的词分类算法。我在网上搜索了最佳分类算法。我阅读了有关SVC的文章，但由于我不是这个领域的专家，我不确定SVC与我的场景是否相符。

我想要得到的并不是解决问题的方案，而是一份可用算法列表及其优缺点。

- Ada

Answer 1

您正在错误地制定问题，这使得人们很难为您列出利弊清单。

您所描述的问题实际上不是一个词汇分类问题，因为您并没有对单词进行分类。您要做的是：

1. 命名实体识别（Named Entity Recognition）施工项目 2. 根据提及上下文将每个施工命名实体分类为3种不同类型。

算法并不是真正的问题。大多数分类算法（线性回归、决策树、SVM等）都可以使用。

您实际上面临的问题（但根据您的问题并没有意识到）是您没有任何训练数据，无论是找到施工项目命名实体还是将这些实体分类为您的3个类别之一。

我的建议是，您可以使用其中一个免费可用的NER工具包/库，添加与施工项目相关的字典特征（如桥梁、塔等），然后看看您在任务的第一部分中能做得有多好。

更重要的考虑因素是：

1. 你有多少时间/金钱来获取注释数据？
2. 你需要什么样的性能表现？
3. 你愿意考虑哪种语言/库（在我看来，这是最不重要的问题）

很抱歉，我意识到这可能不是你想听到的答案，但我认为这是你需要的答案。 ;)

- ozborn

---

您好，感谢您的回答。我不需要再解决这个问题了，但我对了解单词分类算法的优缺点很感兴趣，而不是如何实现解决方案。您的考虑是正确和有帮助的，但并没有真正回答我的问题，就像您所说的那样。 即使我不需要处理这个问题，了解更多还是很有意思的。 [抱歉我的英语不好] - Ada