根据内容对客户问题进行分类
Categorize customer questions based on content
我正在开发用户可以提问的网络应用程序。这些问题应该根据问题内容、标题、用户数据、地区等按照一些标准进行分类。接下来，这些问题应该以这样的方式处理：对于一些额外的信息请求，应该发送，其他的应该被删除或标记为垃圾邮件，还有一些 – 直接发送给一些专家。
问题是用户不能自己选择正确的类别，这是非常复杂的事情，用户可以作弊。
是否有任何方法可以自动执行此操作？现在有几个人做这个工作过滤问题。也许存在一些已经完成的解决方案。
这是一项非常复杂的任务。您应该看看有监督的机器学习分类算法。你可以尝试使用类似于一些垃圾邮件过滤算法(https://en.wikipedia.org/wiki/Naive_Bayes_spam_filtering)
- 收集一些之前分类的问题（带标签的例子）。
- 收集一些用于问题分类（识别组）的单词（词汇）。
- 处理问题文本，删除“停用词”并用词干替换词。
- 将问题文本、标题、用户数据等映射到一些数字（问题向量）。
- 使用 SVM 等算法创建和使用分类器（模型）
但这是您可以查看的非常通用的方法。如果没有更多细节，很难说得更具体。我不认为你能找到已经完成的解决方案，这是非常具体的任务。但是你当然可以使用很多 machine-learning 框架。
我正在开发用户可以提问的网络应用程序。这些问题应该根据问题内容、标题、用户数据、地区等按照一些标准进行分类。接下来，这些问题应该以这样的方式处理：对于一些额外的信息请求，应该发送，其他的应该被删除或标记为垃圾邮件，还有一些 – 直接发送给一些专家。
问题是用户不能自己选择正确的类别，这是非常复杂的事情，用户可以作弊。
是否有任何方法可以自动执行此操作？现在有几个人做这个工作过滤问题。也许存在一些已经完成的解决方案。
这是一项非常复杂的任务。您应该看看有监督的机器学习分类算法。你可以尝试使用类似于一些垃圾邮件过滤算法(https://en.wikipedia.org/wiki/Naive_Bayes_spam_filtering)
- 收集一些之前分类的问题（带标签的例子）。
- 收集一些用于问题分类（识别组）的单词（词汇）。
- 处理问题文本，删除“停用词”并用词干替换词。
- 将问题文本、标题、用户数据等映射到一些数字（问题向量）。
- 使用 SVM 等算法创建和使用分类器（模型）
但这是您可以查看的非常通用的方法。如果没有更多细节，很难说得更具体。我不认为你能找到已经完成的解决方案，这是非常具体的任务。但是你当然可以使用很多 machine-learning 框架。