使用NLP或机器学习来提取关键字把句子

Question

我是新来的ML/NLP领域，所以我的问题是，什么样的技术是最合适的，以实现以下目标：

我们有一个简短的句子 - “去哪里吃晚饭？”或“你最喜欢的酒吧是什么？”或者“你最喜欢的便宜酒吧是什么？”

是否有这将使我训练它提供以下数据集的技术：

• “去哪里吃饭？” - >晚餐
• “你最喜欢的酒吧是什么？” - >酒吧
• “你最喜欢的便宜餐厅是什么？” - >廉价，餐厅

这样下一次我们有一个类似的问题关于一个未知的活动，比如说：“你最喜欢什么昂贵的[无论]”它将能够提取“昂贵”和[无论] ？

的目标是，如果我们可以用这个问题的数百变化（或上千）训练它要求及相关的输出数据预期，因此它可以与日常用语的工作。

我知道如何使它即使没有NLP/ML，如果我们有像酒吧，餐厅，游泳池等，预计术语词典，但我们也希望它与未知项工作。

我已经看到了耙和Scikit学习为“东西”分类的例子，但我不知道我会怎么养活文本到这些，所有这些例子有培训预定义的输出。

我也试了谷歌的NLP API，亚马逊Lex和机智，看看他们在提取实体有多好，但结果令人失望，至少可以说。

阅读有关摘要技术，我留下的印象是它不适用于小型单句文本，所以我没有深入研究它。

Answer 1

至于@ polm23简单的东西提到你可以使用POS标注做了提取。您提到的服务，如LUIS，Dialog flow等，使用所谓的自然语言理解。他们使用intent &实体（详细的解释与例子，你可以找到here）。如果您担心自己的数据正在上线或者有时需要离线，那么您总是会使用RASA。

的事情你可以做RASA：

• 实体提取和句子分类。通过用各种句子标记单词位置，提及从句子中提取哪个特定术语。因此，如果任何不同的单词出现，而不是您在训练集中给出的单词，它将被检测到。
• 使用规则学习和keras LSTM进行检测。
• 与在线服务进行比较的一个缺点是，您必须手动标记JSON文件中的位置编号才能进行培训，而不是在线服务中的点击和标记功能。

你可以找到教程here。

I am having疼痛in my腿。例如，我已经训练了RASA和各种句子用于识别身体部位和症状（我仅限于2个实体，可以添加更多），然后当出现未知句子（如上面的那个句子）时，它会正确地识别“疼痛”为“症状”和“腿部”为“身体部分”。

希望这回答你的问题！