Machine learning 问：机器学习模型能解决基于规则的问题吗？

机器学习可以用来验证语句或捕获文本文档中的错误吗

例如，如果你教一个分类器“你应该每天吃两次苹果”，但在你正在测试的文档中，语句是“你应该每天吃三次苹果”，那么该语句可以被标记吗

显然，您可以构建一些基于规则的软件来捕捉这些，但我的问题集中在训练一个ML模型来捕捉这些，因为规则会发生变化

我查看了word2vec和NLTK，并对它们进行了一些测试，但无法连接点来教授分类器

如果可能的话，我们将如何去做或提供一些方向

谢谢，道格（时间太长，无法发表评论。）

是的，它可以。然而，它异常复杂。例如，沃森就进行了这种推理和分析。IBM称之为认知计算。正如您所写的，基于规则（或逻辑推理）的系统可以解决此类任务。因此，您应该问自己的问题是如何从文本中提取所需的事实。=>NLP，词性，命名实体，。。。然而，这项任务极其艰巨，因为每天“不超过100次”与这句话并不矛盾。因此，推理需要丰富的背景知识

如前所述，这是一个非常广泛的话题。你必须画出解决方案的草图，然后选择一小块，这被称为博士论文；）。 这张漂亮的图片说明了这一点

因此，找到了博士论文的正确关键词。这本书可能会让你有几个晚上的阅读时间

---

如果你想尝试使用NLTK，我会为你想要分析的句子生成解析树。之后，您可以尝试对齐这些，并检查重叠和偏差。然而，我不知道如何得出结论。一个稍微简单的版本是逐字匹配。关于Levenstein距离计算的一些内容。

重新写下我的问题，因为我在发帖15分钟后收到了两张反对票。希望它现在对其他人更有用。Word2Vec听起来不是一个好方法，它擅长于找到相似的单词并建立单词之间的关系。这里您需要一个分类器，其中您将提供带有标签1的“…吃苹果两次…”和带有标签0的“吃苹果X…”（其中X是随机数）。然后你可以教一个分类器这个句子是好的。如果你想让它通用。。。如果你能做到，你将是一个非常富有的人。是的，你能做到。然而，它却异常复杂。例如，沃森就进行了这种推理和分析。IBM称之为认知计算。正如您所写的，基于规则（或逻辑推理）的系统可以解决此类任务。因此，您应该问自己的问题是如何从文本中提取所需的事实。=>NLP，词性，命名实体，。。。然而，这项任务极其艰巨，因为每天“不超过100次”与这句话并不矛盾。因此，推理需要丰富的背景知识。感谢你们的回应，并提供了一些关于可能性的见解。我同意@CAFEBABE的观点，认为这是可能的，但这是极具挑战性的。CAFE BABE，您是否有推荐的方法或任何特别要查看的东西（可能调查NLTK中的命名实体），您会推荐吗？谢谢@CAFEBABE。这为我的研究提供了坚实的方向。