Deep learning 如何使用监督学习预测短语是否与短文或文章相关？

我有一套短句和一套课文。我想预测一个短语是否与一篇文章相关。文章中没有出现的短语可能仍然相关

注释数据（非真实）的一些示例如下：

例1

短语：汽车

Text:在电动汽车市场上价格更实惠的选择中，2021特斯拉3型无疑是最便宜的 大多数名称识别。它借鉴了该公司的设计风格 S型轿车和X型SUV，但其独特的 室内设计和全玻璃屋顶。加速很快，而且 型号3的底盘也很好玩，特别是性能 车型的，具有更具运动性的悬架和履带式驾驶系统 模式但电动汽车购买者更可能对驾驶范围感兴趣，而不是 快速性或操控性，型号3也在那里交付。基地 根据美国环保署的数据，这款车的行驶里程可达263英里， 而更昂贵的远程型号每次充电可高达353

标签：相关（PS：对于给定文本，一个且只有一个短语被标记为“相关”。所有其他短语都是“不相关的”）

例2

短语：编程语言

Text:Python3.9使用了一个新的解析器，它基于PEG而不是LL（1）。新解析器的性能与旧解析器大致相当 但是PEG形式比LL（1）更灵活 来设计新的语言功能。我们将开始使用这个 Python3.10及更高版本的灵活性

ast模块使用新的解析器并生成与 旧解析器

在Python3.10中，旧的解析器将被删除，所有解析器也将被删除 依赖于它的功能（主要是解析器模块 长期以来一直遭到反对）。仅在Python 3.9中，您可以切换回 使用命令行开关（-X oldparser）或 环境变量（PYTHONOLDPARSER=1）

标签：相关（即所有其他短语都是“不相关的”）

---

我想我可能必须使用，例如，预训练的BERT，因为这种预测需要额外的知识。但这似乎不是一个标准的分类问题，所以我无法找到开箱即用的代码。我可以就如何组合现有轮子并对其进行训练提出一些建议吗？

这看起来确实是一个典型的文本分类问题。您是否有培训数据集或希望使用预先培训的模型？对于第二个数据示例，如果要检查的短语是“编程语言”和“编程”呢？你仍然认为只有一篇文章是相关的吗？一篇文章可能不会严格地只与一个短语相关，但大部分是相关的。在实际数据中，这些短语是不重叠的技术领域，我想检查一篇文章是否属于该领域。但我不能把短语当作标签，直接分类，因为训练集只有一小部分短语。它在做预测时会遇到未知的新短语。所以我希望这些短语不仅仅是模型的标签号。模型应该阅读短语并猜测其含义以进行分类。检查“关联性”的短语列表是否已修复？如果可以使用Python，那么最好的选择是使用拥抱面部变形金刚进行零射击学习。如果有帮助，请告诉我，我会将此转换为答案OK-我会在未来几天转换为更详细的答案，请接受