Apache Open NLP中的自定义模型

Question

我正在使用我正在为自己的用例进行培训的自定义模型。我的用例是根据它是否是地址变更请求来分类电子邮件。如果地址变更请求可以从一个句子中理解，它可以正常工作，没有问题。但是，如果地址变更请求需要从多个句子中理解，则不起作用。 给予几个例子如下： - 例1： - 这是工作一）培训文件： -

Guys I wish to <START:contactupdate> change my address <END> . 

我的新地址是68号赛特，考文垂，西米德兰兹郡，CV1 4ED。 完成后请确认。 谢谢。

b）使用以下语句测试模型： - String input =“男士我希望更改我的地址。我的新地址是68 Dorset Road，Coventry，West Midlands，CV1 4ED.Please confirm your done。谢谢。”; //工作

1. 示例2： - 这不起作用。 可以说地址变更请求只能从多行中推断出来。

   “我的旧地址不再有效，需要更新它。”

如何在此场景中训练我的模型？如何为上述指定自定义标签？

您能否请帮助。我被卡住了。 很多谢谢

Answer 1

你是什么意思与不工作？你想要检索的东西没有被检索？或者当标签分散在多行时，培训会崩溃？

通常，您在此过程中训练的（默认为MaxEnt）模型会尝试检测您正在训练的对象的常用特征。通常情况下，这些名称是人员，组织，地点等实体。并且在许多语言中，这些都包含典型的特征（例如分别为前缀Mr./M.，后缀，语素“街道”）。这可以通过模型拾取，并应用于新数据，从而识别您要识别的任何一个。然而，你正在尝试做的事情是非常先进的NLP。由于词组越长，可能的变化越大，挑选共性变得更加困难。我想说，对于你的用例，人们通常使用解析（或者选区或者依赖解析）或者其他更复杂的工具，而不仅仅是这种相对平坦的模式识别。所以你可能想要看看这些。我不知道您有多少数据可供您使用，从中您可以推断出不同的方式来表达改变客户数据库中地址的愿望。如果合理（即不只是几个句子），您可能需要手动注释它们，解析语料库，在分析树/图上使用机器学习来获取感兴趣的句子，并以这种方式进行处理。如前所述，在我看来，相当先进的NLP，而不是一个开箱即用的解决方案。