问题 : 将用户产品分类为禁用或批准。

如果产品包含如”濒危物种“、”虎皮“等禁用词语，将被标记为禁用。

• 输入：产品的标题 + 描述
• 相应标签：批准 / 禁用

我使用了MultinomialNB这种监督学习算法来对产品进行分类，使用二元语法时准确率达到了92%。

但我遇到了一个误分类的难题，即”虎皮”产品被批准了。原因是我们有很多”虎皮花岗岩/虎皮虾”产品被标记为批准。

为了解决这个问题，我想在MultinomialNB算法之外创建一些规则，以改善这些误分类情况。

规则应该像这样：如果关键词”虎”附近3/4个词内有”花岗岩/虾”，则将其标记/视为批准。

请帮帮我。我该怎么做？

回答：

你可以尝试使用另一种类型的分类器，例如GradientBoostedClassifier，它可以捕捉变量之间的交互；这可能解决你的问题。否则，你可以使用正则表达式来实现你的自定义规则：

import re
if re.search(r'tiger (\w+ ){0,4}(prawn|granite)', text):
    return 'allowed'