Mongodb 层次数据的语义类别预测

我正在构建一个web应用程序，为一些行业的企业提供服务。 我想建立一个搜索框，只需

你做什么工作

|____搜索框_____|

用户可以输入任何文本，并根据关键字，我想建议一些类别。理想情况下，我希望返回5个结果及其相关的置信水平，并让他们通过复选框进行选择

例如，如果

关键词：洗涤

结果:

0:[房屋清洁，209] 1:[租赁结束清理，589] 2:[办公室清洁，210] 3:[室外清洁，202] 4:[一般园艺，161] 或者如果关键字：自动车轮

结果:

0:[汽车喷漆，533] 1:[小组讨论，104] 2:[汽车清洁和细节设计，96] 3:[汽车修理工，101] 4:[自动门和闸门，185] 右边的数字是信心

注意，我经常使用同义词作为关键字。假设我在MongoDB文档中有这样的类别：

{
  'cleaning' : {
   'Outdoor Cleaning' : [ 'Outdoor', 'Yard', 'Cleaning', 'Field' ],
   'Office Cleaning' : ['Indoor', 'Office', 'Business', 'Corporate', Cleaning', 'Scrubbing']
  },
  'auto': {
    'mechanic' : ['car', '...']
  }
}

如何返回所需的结果？ 我训练了一个朴素贝叶斯分类器，但它只分类到一个类别。 我现在正在研究术语频率–反向文档频率tf idf，以获得一组排名结果，但我有点担心我的数据模型不符合算法

我是否必须包含所有可能的同义词来训练类别？我是否应该等到它上线后再根据真正的关键字搜索手动训练类别

如果有人知道更好的方法来组织这些信息，我仍然可以更改我的数据模型。。。如果有人遇到过这样的问题，任何洞察都是值得赞赏的

---

谢谢

您必须针对所有类别对分类器进行训练，建立训练集，我建议使用Elasticsearch或SOLR对结果进行排名。您还可以存储用户输入，以查看用户通常搜索的内容，并将这些信息用于训练分类器。朴素贝叶斯实际上对类别进行排序，因此它可以用于输出多个类别，而不是只选择概率最大的类别，按概率排序，并选择前5名。