我想开发某种模型/算法，允许我提取给定产品名称的特征。（比方说品牌、型号和颜色）。
我正在寻找与MonkeyLearn及其模型Laptop Feature Extract提供的解决方案类似的解决方案。
例如：
给定项目“Apple iPhone 6s, 64GB Silver”，它应该计算：
{
brand: "iPhone",
model: "6s",
capacity: "64Gb",
color: "Silver"
}
任何建议将不胜感激。谢谢你。
如何使用机器学习从文本中提取特征？
数据挖掘
机器学习
Python
深度学习
机器学习模型
2022-01-21 22:21:53
1个回答
您需要寻找的是“命名实体识别”。来自维基百科
命名实体识别 (NER)（也称为实体识别、实体分块和实体提取）是信息提取的子任务，旨在将非结构化文本中提及的命名实体定位和分类为预定义的类别，例如人名、组织，地点，医疗代码，时间表达，数量，货币价值，百分比等。
已经有为此训练过的模型，但其中大多数是通用的。例如在 Python 中
import spacy
nlp = spacy.load('en_core_web_sm')
doc = nlp('European authorities fined Google a record $5.1 billion on Wednesday for abusing its power in the mobile phone market and ordered the company to alter its practices')
print([(X.text, X.label_) for X in doc.ents])
输出是
[('European', 'NORP'),
('Google', 'ORG'),
('$5.1 billion', 'MONEY'),
('Wednesday', 'DATE')]
代码来源：TowardsDataScience
在您的情况下，您必须自己训练 NER 以了解电话规格，或者找到公开可用的 NER。
其它你可能感兴趣的问题