我有一些从文本中提取的标签和属性。我正在寻找这些文档中标签和属性的模式（跨多个文档出现的键值对组合）。

我应该研究哪种算法和工具？我希望根据相关性和重要性对这些模式进行评分，而不仅仅是字符串匹配。

任何建议都会非常有帮助。谢谢

回答：

如果我正确理解了你的问题，你在谈论关联挖掘。例如：attr1==value1 ==> label=label1（95%的精确度）

有几种算法，其中一种是Apriori算法。

对你问题的另一种解释是特征选择，即选择对标签预测影响最大的属性。你可以检查信息增益/卡方选择，这些都在Weka中可以找到（www.cs.waikato.ac.nz/ml/weka）。

如果你不想使用这些算法并自己实现，最简单的实现方式如下：

attributes = new SortedSet()for a in attributes:    for label in labels:         for value in posible_values(a)            prob = count(a,value, label)/count(label) //这是概率标准，卡方效果更好            if(count(a)>MIN_SUPPORT) //不算太稀有                attrbutes.add(prob, (a, value, label))print(attributes)