介紹文
今天被 Medium 演算法推薦，蠻有趣的思路。
這個庫的功用是做 text classification。特點是對每個 category 設定至少一個關鍵字後，就可以用 unsupervised 的方式對文本進行分類。
整體原理其實接近人類分類的方式。人類大量分類文章的時候，可能看文章出現特定關鍵字就歸類到特定分類了。
而 Lbl2Vec 如果我理解沒錯（錯了再改 XD），則是先將 word 和 text 在同樣的 feature space 做 embedding，先將 text 依據對 keyword 的「距離」先分類一次，去掉 outlier 後求每個分類的 centroid，再根據新算出的分類 centroid 正式分類所有 text。
這樣分類的方法可以不用標註部分資料，只要每個分類都能找出至少一個 keyword 就好。之前研究的地址分區里問題感覺或許可以用，也許未來有緣就當作備案試試看。
0 意見:
張貼留言