[問題] 文本分類加入非文本內容特徵

[ctr1 (【積π】)]

想請問各位版上的大大

做E-mail文本分類時

郵件內容可使用自然語言處理

若想加入寄件人、收件人等

非郵件內容文字的特徵

該如何操作...

可以給點關鍵字或給點指點

感謝各位先進

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.25.138.103 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1571232863.A.907.html
→ sxy67230: 最簡單粗暴的方法就你把全部的特徵都拼接起來，全部餵入
→ sxy67230: 一起train，第二種方法就訓練三個以上的模型，一個做內
→ sxy67230: 文分類，其他模型就各自訓練各自的特徵分類，最後在做en
→ sxy67230: semble
→ a100006136: 你的寄件人和收件人，上面有什麼跡象顯示它們是有用
→ a100006136: 的feature?
推 a100006136: 如果mail 小老鼠後面跟的字會有意義像是.com 或是.gov
→ a100006136:  會建議也可以對這些做segmentation，再用train好的英
→ a100006136: 文語言模型（web 文本train的）去抓feature
→ a100006136: 基本上其他非信件本文的內容，第一步是對每個材料去
→ a100006136: 思考如何量化，像是時間的格式、不同的寄信收件地址是
→ a100006136: 否進行編號、圖片則要用像素表示
→ a100006136: 然後再來就是每個材料適合的處理方式，時間的連續性可
→ a100006136: 以讓它獨立成為一個feature、地址的表示法可以像前面
→ a100006136: 說的視同文本取特徵、也可以當作不同的item 取one-hot
→ a100006136: 、圖片也是先接個cnn變成向量
推 a100006136: 至於模型的訓練選擇就如同1樓講的那樣，可以用多個模
→ a100006136: 型一起預測，也可以暴力concat這些特徵，每份郵件都
→ a100006136: 表示成一個向量後直接丟ML套件來分類也沒什麼不行
推 OnePiecePR: 統統送進去，只用label 指點方向
→ chobit199685: 修成聯合模型多輸入即可
推 sheep1129588: 先用bert把文本弄成embedding再concat其他東西再塞
→ sheep1129588: 進一個classifier?
推 roccqqck: concatenate的model1 model2可以不同features嗎
→ roccqqck: concatenate出來的model3 是跟model1 model2同時一起tra
→ roccqqck: in嗎?