自動標記單詞或短語

Question

我想用列表中定義的單詞/短語之一自動標記單詞/短語。 我的列表在columnA中包含大約230個單詞，這些單詞在columnB中被標記。 大約有16個唯一標簽，在這230個單詞中，每個單詞都用這16個標簽之一進行了標簽。

看看我的清單：

A列中的單詞/短語在B列中標記為單詞/短語。

有時會添加必須手動指定標簽的新單詞。 我想建立一個預測算法/模型來自動標記新單詞（或建議）。 因此，如果我寫了一個新單詞，說“ MIP儲備金”（A36），那么它應該將標簽預測為“托管存款”（B36），而不是“運營儲備金”（B33）。 即使單詞與實際標簽中的單詞不匹配，如何准確預測新單詞的標簽？ 如果有人願意查看完整列表，我可以很高興地分享。

Answer 1

簡潔版本

我認為您的問題定義不明確，沒有簡短的編碼或宏答案。 考慮到每個項目包含的信息很少，我認為不可能從您的源數據中建立良好的預測模型。 相反，請執行一次標記練習，並查看以后如何控制標記。

長版

這是我將要創建預測模型的步驟，以及為什么我認為您不能做到這一點。

1. 了解為什么您要擁有一個預測程序

為什么需要預測性程序？ 您是否正在整理數百或數千條記錄，這些記錄都在更改並且需要標記？ 如果是這樣，我同意，您不希望手動執行此操作。

如果這是一次性的練習，因為隨着時間的流逝，標簽已從其原始含義中被破壞了，那么您的問題就是標簽已被破壞，而不是您需要以某種方式預測每個項目應在何處被標記。 您應該在控制標簽的使用，而不是在預測未來的人們可能會如何為標簽加標簽或為名稱錯誤。

不要忘記Excel中有很多工具可以使問題更容易解決。 假設您可以肯定地知道所有帶有“現金”的項目都歸入“運營現金”。 將自動篩選器放到列表中，並在單詞“現金”上進行篩選-現在只需將“運營現金”復制並粘貼到所有這些旁邊。 這樣，您可以快速擺脫列表中明顯的內容，而專注於棘手的內容。

2. 了解您要使用的標簽的特征。

花些時間看一下您使用的標簽-每個標簽是什么意思？ 此標簽代表什么獨特功能或功能組合？

例如，您的標簽“運營現金”具有現金（即沒有捆綁在一起，因此可以很快使用）和專用於運營的特征。 從這些信息中，我們可能會得出其存放在某個地方或某個人對此負責的其他特征。

如果還有更多源數據可以使用，則可以使用“創建年份”或“客戶”之類的字段來幫助您進一步分類。

3. 了解您要標記的項目的含義，這可以使您了解它們應該去哪里。

這是你最大的問題。 一個簡單的例子-字符串“ MIP Reserve”中的什么提供了應該與“托管存款”鏈接的線索？ 您沒有簡單的方法來匹配列表中的許多項目-許多單詞出現在多個標簽的多個項目中。

但是，請嘗試尋找可以為您提供線索的唯一標識符-例如，所有帶有“開發者”一詞的商品似乎都被標記為“開發者費用注釋和利息”。 你還有這些嗎？ 使用它們可以減少問題，因為它們應該是直接的映射。

任何唯一的標識符都將允許您為這些字符串設置規則。 您甚至不需要堅持一個單詞-也許當您看到幾個單詞時，您可以縮小它的結尾范圍，例如當我看到“蛋”時，它可能會變成“鳥”或“爬行動物”，但是如果“雞蛋”和“翅膀”配對，我可以完全確定它是“鳥”。

您需要將要標記的項目的特征與在步驟1中開發的標記的唯一標識符進行匹配。

4. 編寫程序或宏以在步驟2中查找標識符，並從步驟1返回相關標簽。

這是直截了當的。 查找所需的標識符（例如，使用“現金”，包含標簽“非常重要的客戶”），並在之前的標簽中尋找最佳匹配。

確保捕獲任何錯誤-如果找不到標簽會怎樣？ 它會創建一個新的嗎？ 是否建議與您聯系以尋求幫助？ 如果多個標簽相關，該怎么辦？ 你的決勝標准是什么？

但是要注意...

5. 了解如何控制這些唯一標識符的使用。

想象您以某種方式設法提出了一個唯一標識符列表。 您將如何控制它們的使用？ 如果您決定將帶有“現金”字樣的任何物品發送到“運營現金”標簽，然后在一年之內，有人來制作“資本現金”項目，因為他們想在某個地方存放即將花在資本項目上，您如何制止這種情況？ 您將如何控制這些單詞的使用？

您將有效地控制項目命名系統，並建立商定的識別詞列表。 每當有人制造商品時，他們都需要在某些地方添加您的標識符。 我可以告訴你，這是行不通的。 他們要么使用錯誤的單詞，否則您將最終以手動方式進行操作，或者他們會讓您感到困惑，並且最終您將以手動方式進行操作。

如果您是唯一這樣做的人，則按照您自己的標准（記錄下來）練習一次並堅持該標准。 當您需要移交給它時，它會清晰地排序並且很有意義。 如果有多個人這樣做，請在您和團隊之間進行一次練習，然后商定一種控制方法。

編寫預測性程序聽起來不錯，可能會節省您一些時間。 但是考慮一下為什么要編寫它。 您將來可能需要不斷標記帳戶嗎？ 如果是這樣，請集中控制其命名，並使其成為必需的標記。 如果沒有，為什么要編寫一個程序來做到這一點？ 只需手動執行一次。