从帖子自动提取标签

abababa

abababa 发表于 2025-3-26 21:05
刚才把18楼的那个发给maven网友了，他说数据有点乱，要先清理一下，然后把清理过的数据发给我了，他说“ ...

我运行完之后，先是运行了那个tags_api.py，但是没得到标签，我又把那个THRESHOLD改成THRESHOLD = 0.3，这次得到了，比如初等数学里的那个三角函数方程的，我复制源代码粘贴到index.html里，就能得到一个“三角函数”的标签。

又试了一下蟾蜍吃蚊子那个，这个不准，得到的标签是四个：['"三视图"', '"立体几何', '"高考题', '"高考题"']，后两个重复了，前两个还是无关的。

试了求导n次后,求在x=0处的值那个，这个还行：['"多项式', '"抽象函数', '迭代"']

abababa

abababa 发表于 2025-3-26 21:52
我运行完之后，先是运行了那个tags_api.py，但是没得到标签，我又把那个THRESHOLD改成THRESHOLD = 0.3， ...

我问了maven这个重复的，他说不是重复，而是把带"的看作两个了，一个标签是"高考题，另一个标签是"高考题"，所以看着像重复。他说重新写了那个划分tags的，这回好了，我上传在附件里。
tags.tar.gz (440.82 KB, Downloads: 2)

2025-3-28 19:56 Upload

Click on the file to download the attachment

我发现用新的这个，运行之后生成的那个tags_model.joblib小了一半，是不是没有那些看着像重复的标签的原因呢？

hbghlyj

无经验，先试试Algolia提供搜索服务，可推荐相关帖子
algolia.com/doc/guides/algolia-recommend/overview/

hbghlyj

abababa 发表于 2025-3-26 07:28
maven的原话是：“这叫有监督学习，你得告诉程序它是什么，不知道是什么的就没办法参与学习，也不能被识别。”

如Algolia推荐算法就是基于有监督学习：

Recommendations rely on supervised machine learning models that are trained on your product data and user interactions.
Recommend uses two different algorithm types: collaborative filtering and content-based filtering.

• Collaborative filtering analyzes user events from the last 30-90 days. Recommend creates a table of userToken and objectID which show how many times each user interacted with each record (object). Recommend then uses a collaborative filtering algorithm to find other records that are similar or frequently bought together:
  • Similar if the same set of users interacts with them.
  • Frequently bought together if the same set of users bought them.
• Content-based filtering analyzes key attributes of items, such as their titles or descriptions, to find similarities.

免费试用？