训练模型识别句子中出现的名字

我有一个包含大约238583个人的名字的数据集。这些名字可能包含多个单词,例如:Willie Enriquez , James J Johnson, D.J. Khaled。我的问题是如何在句子中识别这些名字。我正在尝试创建一个机器学习模型,能够识别输入是否为名字。我的困扰在于如何确定这个模型的输入和输出。由于我有一大堆名字,我可以训练一个模型,当输入是名字时能够识别它,但对于句子中的其他词呢?模型也应该能够识别出不是名字的词。假设句子中可以包含任何其他词,那么用于此目的的理想数据集是什么?用一组随机的词并标记为非名字来训练模型是否合理?
(包含名字的完整句子不可用。用户可以输入任何他/她想要的内容)

谢谢。


回答:

答案的具体内容可能会根据您使用的模型有所不同,但总体思路大致如下:

您试图解决一个分类任务,确切地说是一个二元分类任务,您希望区分专有名词(从您的例子来看)和其他表达方式。

在最一般的情况下,您的模型的输入是您想要分类的例子的特征:您应该决定哪些特征对区分这些名字有用(例如,单词数量,是否包含大写字母,每个单词是否大写,是否包含点状字母,是否包含您已经在数据集中有的任何词,等等…)。输出是类别,即非名字/名字的0/1。

然后,您用您拥有的数据集中的正面例子和从随机词中选取的负面例子(即非名字)来训练您的模型。

如果用户可以输入完整的句子,那么您将需要进行一个预处理步骤,在此步骤中,您提取所有长度为N的序列(词n-gram),并使用您之前训练的模型对每个序列进行单独分类。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注