machine-learning - NLP 使用置信值对细节进行分类
问题描述
背景
我正在编写一个 Swift 应用程序,它需要对用户事件进行分类categories
。这些类别可以是:
Athletics
Cinema
Food
Work
但是,我有一个这些类别的列表,并且不希望超过我认为能够对任何类型的事件进行分类所需的最低金额。
问题
是否有执行以下操作的机器学习 (nlp) 程序?
- 接受一个文本块(在我的例子中,一个事件的描述)。
- 为每个可能的分类创建一个“百分比匹配”。
例如,假设一个事件的描述如下:
适合所有年龄段的人的有趣、充满活力的自行车骑行。
传入此描述的算法将返回一个看起来像这样的对象:
{
athletics: 0.8,
cinema: 0.1,
food: 0.06,
work: 0.04
}
其中对象中每个键的值是一个置信度。
如果有人可以指导我正确的方向(甚至发送一些针对 iOS 开发的通用资源或解决方案),我将非常感激!
解决方案
推荐阅读
- android - Metasploit 打开 Meterpreter,但 shell 无响应
- flask - 还有另一种使用 Jinja2 语法打印内容的方法吗?
- javascript - (Vue 2)无法在插件中全局注册异步组件以在主项目中使用
- python - 如何使用在归一化输入上训练的模型对看不见的输入进行归一化以进行预测?
- r - 为随机森林树训练数据时出错 - 我该如何解决?
- crash - VM 在通过 VPN 进行 rsync 和 scp 传输期间间歇性崩溃
- node.js - 在函数中执行 Node.JS 终端命令
- python - 如何使用循环访问嵌套列表的元素
- sql - 使用以前的值创建表(迭代过程)
- r - 如何删除使用 break = seq() 时生成的空值