使用 Vowpal Webbit 基于大文本进行预测
Prediction based on large texts using Vowpal Webbit
我想使用以分钟为单位的解决时间和 Zendesk 上工单的客户端描述来根据他们的描述预测下一个工单的解决时间。我将只使用这两个值，但描述是一个大文本。我在 Vowpal Wabbit 上搜索了散列特征值而不是散列特征名称，但没有成功。使用 Vowpal 预测大文本特征值的更好方法是什么？
Vowpal Wabbit 中的特征值只能是实数。如果你有一个具有 n 个可能值的分类特征，你只需将它表示为 n 个二元特征（例如 color=red 是一个二元特征的名称，默认情况下它的值为 1）。
如果您有文字描述，您可以使用文字中的单个词作为特征（即特征名称）。你只需要转义“：”，“|”和特征名称中的空白字符，允许使用所有其他字符（包括“=”）。所以一个例子可以看起来像
9 |USER avg_time:11 |SUMMARY words:5 sentences:1 |TEXT I have a big problem
所以这张文本为 "I have a big problem" 的工单需要 9 分钟才能解决，而同一用户之前的工单平均需要 11 分钟才能解决。
如果您有足够的训练示例，我建议添加更多功能（有关用户的任何详细信息，有关文本的更多摘要功能等）。此外，报告工单的一天中的时间（早上、下午、晚上）和星期几可能是一个很好的预测指标（周五晚上报告的工单往往需要更长的时间），但也许您故意不想对此建模并且仅关注与报告时间无关的工单 "difficulty"。
您还可以尝试使用词二连词作为 --ngram T2 的特征，这意味着将为所有以 T 开头的命名空间（在我的示例中仅为 TEXT 命名空间）创建 2-grams 特征。也许单个单词 "big" 和 "problem" 不是强预测变量，但二元组 "big problem" 将获得较高的正权重（表明它是长解析时间的良好预测变量）。
I will use only this two values
你的意思是解决时间和工单的文本，我说的对吗？但是解决时间是您要预测的（因）变量，因此这不算作特征（也称为自变量）。当然，如果你知道用户的身份并且有足够的每个用户的训练示例，你可以包括用户以前的门票（当然不包括当前的）的平均时间作为我试图展示的特征这个例子。
我想使用以分钟为单位的解决时间和 Zendesk 上工单的客户端描述来根据他们的描述预测下一个工单的解决时间。我将只使用这两个值，但描述是一个大文本。我在 Vowpal Wabbit 上搜索了散列特征值而不是散列特征名称，但没有成功。使用 Vowpal 预测大文本特征值的更好方法是什么？
Vowpal Wabbit 中的特征值只能是实数。如果你有一个具有 n 个可能值的分类特征，你只需将它表示为 n 个二元特征（例如 color=red 是一个二元特征的名称，默认情况下它的值为 1）。
如果您有文字描述，您可以使用文字中的单个词作为特征（即特征名称）。你只需要转义“：”，“|”和特征名称中的空白字符，允许使用所有其他字符（包括“=”）。所以一个例子可以看起来像
9 |USER avg_time:11 |SUMMARY words:5 sentences:1 |TEXT I have a big problem
所以这张文本为 "I have a big problem" 的工单需要 9 分钟才能解决，而同一用户之前的工单平均需要 11 分钟才能解决。 如果您有足够的训练示例，我建议添加更多功能（有关用户的任何详细信息，有关文本的更多摘要功能等）。此外，报告工单的一天中的时间（早上、下午、晚上）和星期几可能是一个很好的预测指标（周五晚上报告的工单往往需要更长的时间），但也许您故意不想对此建模并且仅关注与报告时间无关的工单 "difficulty"。
您还可以尝试使用词二连词作为 --ngram T2 的特征，这意味着将为所有以 T 开头的命名空间（在我的示例中仅为 TEXT 命名空间）创建 2-grams 特征。也许单个单词 "big" 和 "problem" 不是强预测变量，但二元组 "big problem" 将获得较高的正权重（表明它是长解析时间的良好预测变量）。
I will use only this two values
你的意思是解决时间和工单的文本，我说的对吗？但是解决时间是您要预测的（因）变量，因此这不算作特征（也称为自变量）。当然，如果你知道用户的身份并且有足够的每个用户的训练示例，你可以包括用户以前的门票（当然不包括当前的）的平均时间作为我试图展示的特征这个例子。