我正在开发一项新的服务，它将查询多个优惠信息（如 Groupon 等），我想弄清楚这些优惠属于哪个类别。

示例：

我得到了这个标题：”Acqualina Wellness Expo – Acqualina Resort & Spa”，我需要找出这个优惠属于哪个类别。

我尝试使用 http://www.google.com/insights/search/，但并不容易，因为它只能接收 7 个参数（术语），而且有时我们会有无法分割的复合词。

回答：

有一些基于 Wordnet 和搜索距离等有趣的方法，但标准方法是使用贝叶斯垃圾邮件过滤器的方法。

步骤 1：构建一个标题（或标题和正文）以及您认为它所属类别的示例集。 您创建的集合越大、越多样化越好。 您需要从您想要能够识别的每个类别中获得许多（假设至少两位数，但最好是数百个）不同的示例。 如果您需要帮助构建此集合，可以使用亚马逊的 Mechanical Turk 并付费让其他人进行分类。

步骤 2：使用 CRM114 (http://crm114.sourceforge.net/) 或类似工具运行所有示例。 如果您想使用云服务，我认为 Google Prediction API 允许使用文本字段。

步骤 3：对于测试，不要让分类器看到所有示例。 保留一些所谓的样本外集合，您可以在其中测试您的分类器。 分类器对已经看过的东西进行分类要容易得多，所以您需要确保您知道它对未见过的示例有多好。 一些分类器会自动为您进行此测试。

祝你好运！