如何找到哪个类别属于只有标题的优惠？

Question

我正在开发一个新的服务，将查询多个优惠（Groupon等..），我想破译哪个类别属于此优惠。

例子：

我得到这个称号：“Acqualina酒店健康博览会 - Acqualina酒店度假村&温泉”，我需要找出属于该提供什么类别。

我尝试玩http://www.google.com/insights/search/，但这并不容易，因为它只接收7个参数（术语），有时我们有复合词无法分离。

Answer 1

有一些基于Wordnet和搜索距离等有趣的方法，但标准的方法是贝叶斯垃圾邮件过滤器方法。

步骤1：构建一个标题（或标题和正文）的示例集合以及您认为它属于哪个类别。更大更多样化的你让这一切变得更好。你需要有很多（假设至少有两位数的数字，但最好有数百个）来自你想要识别的每个类别的不同例子。如果你需要帮助构建这个集合，你可以使用亚马逊的Mechanical Turk并支付其他人进行分类。

第2步：通过CRM114（http://crm114.sourceforge.net/）或类似的东西运行您的所有示例。如果您想使用云服务，我认为Google Prediction API允许使用文本字段。

第3步：要进行测试，请不要让分类程序看到所有示例。保留一些称为超出样本集的内容，以便测试分类器。对它已经看到的东西进行分类要容易得多，所以你要确保你知道它看不见的例子有多好。一些分类器会自动为你做这个测试。

祝你好运！