用于学习字符串模式的机器学习技术

Question

我是机器学习的新手，我正在寻找一种基于训练数据集学习字符串模式的技术。

我的问题： 我有不同类型的单词，属于不同的类别。每个类别都有一些自己的模式（例如，一个只有特殊字符的固定长度，另一个只存在于这个“单词”类别中的其他字符）。

例如：

"ABC" -> type1 
"ACC" -> type1 
"a8 219" -> type2 
"c 827" -> type2 
"ASDF 123" -> type2 
... 

我正在寻找一个机器学习技术，了解自身的这些模式的基础上，训练数据。我已经尝试着自己定义一些预测变量（例如字符长度，特殊字符的数量......），然后使用神经网络来学习和预测类别。但那是非常不合我想要的。我想要一种技术来自己学习每个类别的模式 - 甚至可以学习我从未想过的模式。

我想为算法提供学习数据（由单词范畴示例组成），并希望它为每个类别学习模式，以便在稍后的生产中预测类似或相同的单词。

有没有一种最先进的方法来做到这一点？

感谢您的帮助

Answer 1

既然你有标签秧鸡，该过程会

1.创建饲料arff文件

例

@relation weka_mymodel_model 

@attribute text string 
@attribute @@class@@ {type1,type2} 

@data 
'boy am I stupid. I mean, wow, that was a major oversight. let\'s blame it on monday.',type1 
..... all your data 

2.装载文件在weka软件中

在pre-proc您可以过滤（转换）数据;到例如StringToWordVector可以与J48分类等可以使用，但我们将离开这个现在，只使用可直接处理您的输入

3.分类

在标签“分类”分类，选择属性@@class@@然后选择能够支持文本分类直接一个良好的开端是NaiveBayesMultinominal

在分类器的界面，设置你的设置，施特默尔禁用词，分词等

的分类使用，并与小号设置依赖于数据，但您可以在“使用训练集”，“提供的测试集”或“交叉折叠”上运行分类器，以了解您的不同设置具有哪些结果。

4创建模型

当你很高兴与您的设置，导出模型（右键单击结果>>保存模型）。

5使用模型

加载Java中的模型，创建实例，它传递给模型，并撷取您的结果。

结论

的秧鸡软件让您测试不同的设置，不同的分类算法，以找到最佳分类的最好方法是试运行不同的分类器（使用过滤器，选择属性等），与上一个不同的设置“提供测试集”并检查结果。

]