我正在尝试使用IBM Bluemix上的IBM Watson自然语言分类器解决以下问题：

我有N个训练文档D，这些文档被标记为不同标签集S_1到S_n的标签l_x_y。其中x定义了标签集，y定义了集合内的实际标签。每个文档可以被多个标签标记（来自不同的标签集）。

这里有一个例子：

标签集1 : S_1={a,b,c,d,e,f}标签集2 : S_2={1,2,3,4,5,6}

D_1 = “这是一些文本”, {a,c,e,1,3,4}D_2 = “这是一些文本2”, {d,f,4}

如果我理解正确的话，REST服务能够接受多类别的训练。一种简单的方法是为每个标签集训练一个不同的分类器。

但是有没有更好的方法来做这件事？例如，我可以使用每个集合标签的并集（如D_1和D_2中所示）吗？

因为API文档关于响应的描述如下：

一个包含最多十个类别名称-置信度对的数组[Classes]，按置信度降序排列。如果类别少于10个，置信度值的总和为100%。

所以这意味着如果所有标签集的并集的基数大于10，它可能会省略低置信度的类别，但使用标签集的并集还有其他问题吗？

回答：

数据格式规定，“text”之后的每一列都被视为类别标签。如果你发送的训练数据是（在你的情况下）：

“这是一些文本”, “{a,c,e,1,3,4}”

“这是一些文本2”, “{d,f,4}”

那么，服务会认为训练数据中有两个独特的类别：{a,c,e,1,3,4}和{d,f,4}。

然而，你可以通过创建如下训练数据来尝试在多个标签上进行训练：

“这是一些文本”, a,c,e,1,3,4

“这是一些文本2”, d,f,4

在这种情况下，你是在8个独特类别上进行训练。因此，分类输出将包含这些类别的置信度值。由你来决定如何将结果类别归入这些标签集中的任何一个。