Watson の NLC API を使用する場合、クラスにスケールを使用できますか? たとえば、1 ～ 5 の評価またははい/いいえ/たぶん分類?
私のトレーニング データは、ニュースの見出しのリストで構成されています。それぞれについて、私は面白くない、やや興味深い、非常に興味深いという「クラス」を持っています。読者が過去に興味を持ったことに基づいて、読者にとって興味深い見出しであるかどうかを予測したい. 1 から 3 の間の数値を予測する回帰モデルのように感じられるため、分類器がこのアプリケーションで正しく機能するかどうか疑問に思います。考え？
はい、1 ～ 5 の評価 (5 つのカテゴリを使用) を使用できますが、それが機能するかどうかは、データに依存するため、わかりにくいです :-)
しかし、それは完全に有効なアプローチです。
NLC が舞台裏で行うことは、各テキスト サンプルから意味を抽出し、内部のウィキペディア ベースのオントロジーを使用して意味的距離を計算し、各サンプル テキストの概念に基づいて分類子を作成しようとすることです。
したがって、テキストの例で、各クラスター間に固有のセマンティックの違いがある場合は、5 つのカテゴリを使用しても機能するため、分類器は関連するものを正しく収集し、異なるものを分離できます。
このレシピでは、NLC の代わりに Watson Image classifier を使用して同じロジックが使用されましたが、ロジックは同じです。