应该实现哪种机器学习算法来检测文档类型?

我们有一个需求,即从客户那里获取不同类型的文档,如学生入学文件、成绩单等。因此,我们希望创建一个算法来识别文档类型。我们选择了一些特定的关键词来识别文档类型,例如,如果入学文件包含关键词如feeadmission等。而marksheet文档的关键词如marksgrade等。因此,我们可以通过比较关键词的频率来预测文档类型。

对于上述需求,应该实现哪种算法?我原本计划实现多项式朴素贝叶斯算法,但我的数据无法适应该算法。

顺便提一下,我正在使用Python的sklearn模块。

请问有人能告诉我哪种算法适合上述需求吗?如果可能的话,能否提供一个带代码的示例,以便我能更容易找到解决方案?


回答:

您正在寻找主题建模解决方案,有很多方法可以解决这个问题。通过Python和scikit-learn,我推荐您查看这篇文章

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