我有一个带有相应主题的文本语料库。例如"A rapper Tupac was shot in LA"，它被标记为["celebrity", "murder"]。所以基本上每个特征向量可以有很多标签（数量不一样。第一个特征向量可以有3个标签，第二个1个，第三个5个）。
如果我只有一个标签对应于每个文本，我会尝试一个朴素贝叶斯分类器，但如果我可以有很多标签，我真的不知道该怎么做。
有什么方法可以将朴素贝叶斯转换为多标签分类问题（如果有更好的方法 - 请告诉我）？
PS关于我拥有的数据的一些事情。
首先，朴素贝叶斯在这里可能不合适。它假设输入之间的独立性（因此是“Naive”）并且句子中的单词非常依赖。
但是，假设您真的想使用 NB 作为开始实验的算法，我会考虑两种选择：
这将是一种替代方法。将观察到的所有单词组成一个语料库作为输入向量。将所有观察到的标签作为输出向量制作一个语料库。具有多个输出的 NB 分类器等效于具有多个 NB 分类器，每个分类器具有一个输出（在您使用的任何软件框架中更容易实现）。将每个元素视为一个训练样本，其中给定的输入（一个词）如果该词存在则为 a 1，如果该词不存在则为 a 0。对输出使用相同的二进制方案。
这种蛮力强制将 NB 分类器应用于您的数据，并让您通过仍然挖掘您将留下的大量分类器来找到意义。
如果您想使用一个多类 NB 分类器运行，这是我推荐的方法。
您的目标是弄清楚如何将每组标签映射到单个类。我确信有某种聚类方案或网络分析（也许 ["celebrity"] 链接到 ["murder"] 可能成为片段 ["debauchery"]），可以将您的标签明智地映射到一个单独的集群。如果您将标签视为节点并将两个给定标签一起视为链接，那么您将需要研究社区检测算法（这是我要开始的地方）。但是，如果您只是想要一些工作，那么对标签进行某种破解，将标签列表转换为仅在您的数据集中最常见的标签就足够了。
此方法预先加载了清理数据的工作，并使 NB 分类器的输出更易于理解。