tensorflow - 猜测收据的类别

Question

我们有大量收据（超过 2 万张）并希望对这些收据进行分类。一张收据可以属于一个或多个类别。我们目前有超过 500 个类别。

IE

• 如果收据是关于互联网付款的。然后我们的类别是“InternetService”，收据中有 ISP 信息和付款信息。
• 如果收据是关于午餐郊游的，那么我们的类别是“FoodAndBeverages”，我们有餐厅名称、食物信息和金额。
• 如果收据是关于出租车付款的，那么我们的类别是“交通”，我们有出租车公司信息、车辆、司机、位置信息和金额。

因此，除了我在上述示例中提到的类别之外，我们还有税收类别，并且大部分收据都是其中的一部分。所以每张收据可以有一个或多个类别。

所以为了猜测这个类别，我们采用了多标签分类解决方案。目前，我们将获取收据的整个文本，并使用我们拥有的收据文本和类别来训练我们的模型。

想要验证我们是否采用了正确的方法来解决这个问题。期待这里有专家的想法。

标签： tensorflowmachine-learningneural-networklstmmultilabel-classification

Answer 1

根据您的解释，您正在解决的问题是基于您的示例的多类分类而不是多标签分类。

如果每个收据只映射到许多可能类别中的一个类别，则它是多类分类。

如果每张收据可以映射到许多可能类别中的多个类别，那么它就是多标签分类。

如需更多解释并了解 sklearn 中解决这些问题的可用算法，请查看此处。

有关使用文本数据的更多基本步骤，请阅读此处

编辑：

您可以有一个单独的模型来预测每个收据的税种。由于构建多个多类模型比单个多标签模型相对容易。