机器学习能否用于验证文本文档中的陈述或捕捉错误？

例如，如果你教一个分类器“每天应该吃两次苹果”，但在你测试的文档中，语句是“每天应该吃三次苹果”，能否标记出这个语句？

显然，你可以构建一些基于规则的软件来捕捉这些错误，但我的问题是关于训练机器学习模型来捕捉这些错误，因为规则会发生变化。

我已经研究了word2vec和NLTK，并用它们进行了一些测试，但无法将这些点连接起来以教导分类器。

如果这是可能的，应该如何进行或提供一些指导？

谢谢，@Doug

回答：

(评论太长了。)

是的，它可以。然而，这非常复杂。例如，Watson就是通过这种推理和分析来完成的。IBM称之为认知计算。正如你所写，基于规则（或逻辑推理）的系统可以解决这样的任务。所以你应该问自己的问题是如何从文本中提取所需的事实。=> NLP，词性标注，命名实体识别…然而，这项任务极其困难，因为“一天不超过100次”并不与该句子相矛盾。因此，推理需要丰富的背景知识。

正如所说，这是一个极其广泛的话题。你需要勾画出解决方案，然后选择一个很小的部分，这将被称为博士论文；）。这在这张很好的图片中得到了说明。

所以，使用正确的关键词搜索博士论文，结果找到了这个。这可能会给你几晚的阅读时间。

如果你想用NLTK尝试一些实际操作，我会为你想要分析的句子生成解析树。之后，你可以尝试对齐这些树并检查重叠和偏差。然而，我不确定如何得出结论。一个稍微简单的方法是逐词匹配。类似于计算Levenshtein距离的方法。