要解决一个分类问题，通过计算机从受伤情况的文字描述来判断受伤等级；
如 输入： 某某左手食指粉碎性骨折 输出: 六级
输入文字可能存在近义词，比如食指可以也写成第二指； 目前有一个规则集，定义了各个级别伤害指标，如六级伤害的指标，手部受伤情况，头部，腿部等等。 还有几万的案例数据。
问下这个用什么方案识别率要好呢？
我的思路是做一个专用词汇表，先做分词 然后做同义词词汇表，规范化输入 然后查规则集，但是不知道怎么做匹配？ 或者用案例数据训练，用什么技术方案？ tensorflow 可以支持类似的用词组做识别吗？
 |
1
TimePPT PRO  1
典型的多分类问题，规则的话精度有保障，但召回成问题。
如果有标签数据，可以试试 fasttext 这种开箱即用的库。 |
 |
2
yzc27 Aug 20, 2020 via iPhone
用 fasttext 这种低成本、开箱即用的库试试先呗
|
 |
3
staticor Aug 20, 2020
|
 |
4
Escapist367 Aug 24, 2020
这就是文本分类问题啊
几万的案例数据量也够 有标签的话可以： 1 、先拿个 fasttext 看看效果怎么样 2 、有显卡的话可以深度学习，比如用 bert 跑，效果肯定比 fasttext 好 没标签的话： 1 、几万条也不多，找几个人一起标 2 、老老实实写规则吧 |
 |
5
wolfzz OP |
|
7
wolfzz OP @Escapist367 问下 写规则 有没有好的办法来表示规则？
|
|
8
Escapist367 Aug 25, 2020
|
Select Language