Python 机器学习将公司名称按行业分类

我试图做的是让用户输入一个公司名称，例如微软，并能够预测它在计算机软件行业。我有大约15万个名字和60多个行业。有些名称不是英文公司名称

我曾尝试使用仅基于公司名称的Gensim训练Word2Vec模型，并在将其输入SKlearn的逻辑回归之前对单词向量进行平均，但结果很糟糕。我的问题是：

有人试过这种任务吗？通过谷歌搜索短文本分类，我可以看到分类短句子而不是纯名称的结果。如果有人曾经尝试过这个，介意分享一些关于这个任务的关键词或研究论文吗

如果我对每家公司都有一个简短的描述，而不是只使用他们的名字，会更好吗？这对我的Word2Vec模型有多大帮助，而不是只使用公司名称

---

不知道你想要什么

如果重点是只使用公司名称，可以将名称分解为音节/音素，然后根据这些数据进行训练

---

如果重点是使用Word2Vec，我建议为每家公司打开维基百科页面（比“关于我”更容易自动化）。

对于你的问题，这只是公司-行业关系，因此，您必须使用公司描述数据训练word2vec，因为word2vec用于计算与给定单词相关的相似单词。因此，如果您进行训练，基于公司名称，这会给你带来不好的结果。如果你在描述方面进行培训，那么这会给你与特定行业相关的类似词汇。通过使用这些词汇，你可以得到它所属的行业

---

如果您想根据公司名称进行培训，NER（命名实体标记器）将非常有用。但这并不准确。

我删除了“关于我”部分，因为我不想强调如何获取数据。根据公司描述训练的Word2Vec模型会比根据音节训练的Word2Vec模型好吗？@Ayynonnim根据公司描述训练Word2Vec模型会很好。因为这样你可以捕捉公司名称使用的上下文，从而获得它所属的行业。请检查我的答案。你可以尝试使用带有

softmax

输出层的神经网络进行分类，因为您已经通过神经网络获得了单词向量。也可以与分类层同时训练嵌入字层，您的意思是“训练字嵌入层与分类层同时进行？”@黄建一个带a的网络）。输入层（公司名称或说明）。b） .单词嵌入层和c）<代码>softmax输出（分类）层。然后按行业（作为类别标签）对网络进行培训。