Procesamiento del lenguaje natural: ¿Cuáles son algunas ideas de problemas / proyectos sobre la clasificación jerárquica de textos?

Nada específico, pero estoy señalando las direcciones generales donde se utiliza la clasificación jerárquica. Si tiene un escenario para organizar datos en categorías jerárquicas, puede emplear métodos de clasificación de texto jerárquico utilizando el enfoque de arriba hacia abajo o viceversa.

Se puede elegir cualquier dirección con un dominio de datos específico como proyecto:

1 Categorización de texto
Organizar documentos de texto en jerarquías. prácticamente cualquier tipo de documento electrónico puede organizarse en una taxonomía, por ejemplo, páginas web, bibliotecas digitales, patentes, correos electrónicos, etc. El sistema puede clasificar las páginas web en un subconjunto de las categorías jerárquicas predefinidas. Por ejemplo, mire las categorías de productos de comercio electrónico o las categorías jerárquicas del sitio de noticias.

2 Reconocimiento visual y clasificación
La motivación para utilizar enfoques jerárquicos para este problema es que, en los escenarios de clasificación de formas visuales, las clases se organizan en una jerarquía de formas y tipos de objetos más generales a más específicos.

3 Predicción de la función proteica
En bioinformática, particularmente en la tarea de predicción de la función de la proteína, las clases a predecir se organizan naturalmente en jerarquías de clase. Ejemplos de estas jerarquías son la Comisión de Enzimas y la Ontología Genética.

4 Clasificación del género musical
Al organizar y recuperar información musical, el género juega un concepto importante. Al igual que con otras aplicaciones, tener los géneros organizados en una jerarquía de clases ayuda a los usuarios a navegar y recuperar esta información.

5 clasificación jerárquica de fonemas
Esta tarea consiste en clasificar la identidad fonética de un enunciado (típicamente corto). En este contexto, la jerarquía de clases desempeña el papel de hacer que las clasificaciones erróneas sean menos severas.

6 clasificación del discurso emocional.
Podemos crear una jerarquía para distinguir entre clases de hojas (que son tipos de emoción). Por ejemplo, ira, aburrimiento, miedo, alegría, tristeza y neutralidad.

Y muchos más…..

More Interesting

¿El apilamiento de modelos en el aprendizaje automático hace una gran diferencia en los resultados?

¿Cuál es un ejemplo ilustrativo donde LDA y SVM dan límites de decisión diferentes?

¿Por qué se le da tanta atención a xgboost que al aprendizaje profundo a pesar de su ubicuidad en ganar soluciones de Kaggle?

¿Por qué los modelos basados ​​en árboles son robustos para los valores atípicos?

¿Cómo funcionan los RBM? ¿Cuáles son algunos buenos casos de uso y algunos buenos artículos recientes sobre el tema?

Veo que la mayoría de las API de Machine Learning están en Python, algunas usan C o C ++ bajo el capó. ¿Por qué los desarrolladores de framework no exponen las API de C ++?

¿El aprendizaje automático es un tema torpe?

¿Existe una versión de objetivos múltiples de regresión logística, regresión lineal, SVM, PCA, K-means o algún otro algoritmo de aprendizaje automático?

¿Cuál es el mejor instituto en Bangalore para aprendizaje automático, inteligencia artificial y aprendizaje profundo (necesita práctica)?

¿A quién demuestra que los núcleos radiales son núcleos válidos? ¿Cómo se muestra esto mediante la integración de características?

¿Qué tipo de problemas puede resolver AI / Machine Learning en los países en desarrollo?

Conciencia del contexto: ¿Qué es el descubrimiento de noticias anticipatorio?

Si la IA de aprendizaje automático no puede explicar una respuesta, ¿se puede 'confiar' en un diagnóstico médico?

¿Cuáles son buenos recursos para aprender sobre la ejecución distribuida en redes neuronales profundas (MPI, allreduce, etc.)?

¿Existe una conexión entre la ciencia de datos y el aprendizaje automático?