Python NLP将与以前的请求匹配

我正在处理一个我有以前请求历史记录的需求。请求可能类似于“向我发送一份..的报告”或“给我这个文档”，这将被分配给某个人，该人将做出响应

我需要建立一个应用程序，将分析以前的请求，如果一个新的请求到达，如果任何以前的请求匹配，那么我应该建议以前的请求的解决方案

---

我正在尝试使用Python实现上述功能，经过一些研究，我发现doc2vector是将以前的请求转换为向量并与新请求的向量匹配的方法之一。我想知道，这是正确的方法还是有更好的方法可用？

有几种不同的方法可以解决您的问题。事实上，答案没有对错之分，而是更符合你的数据、目标和预期结果的答案。举几个例子：

矢量化（doc2vec）

这种方法将使文档的矢量表示基于来自预训练源的单个单词矢量（这些所谓的嵌入可能更一般，在过于封闭的上下文中效果更差，或者更具体，更适合于特殊类型的文本）

为了将新请求与文档的此矢量表示匹配，新请求必须与密切相关的矢量表示共享单词，否则将无法工作

关键词匹配（或主题化）

一种更简单的方法，通过文档中更具代表性的关键字对文档进行分类（使用一些技术，例如，甚至更简单的单词分布）

要匹配新请求，必须包括文档的关键字

基于图形的方法

在我的硕士研究中，我使用这种方法来回答问题。在该模型中，每个文档都被建模为与其关键字（也是节点）相连的图节点。图中的每个单词都与其他单词相关，并构成一个网络，通过该网络可以访问文档

为了匹配一个新的请求，从请求中检索关键字，并使用多种网络遍历技术中的一种进行“扩散”，试图找到图中最接近的文档。你可以看到我是如何记录我的方法的。然而，这种方法要么需要一组已经存在的词间关系（对于更简单的方法），要么需要花费大量时间来注释词间关系

最后一句话

但是，如果您有兴趣将“本文件”匹配到“电子邮件5中的附件A”。那是另一个大问题。一个实际上没有解决的问题。您可以尝试在同一段落或短语内使用引用。但这对不同的文档（电子邮件）不起作用。如果你想在NLP（实际上是NLU——自然语言理解）中赢得一些名声，那就需要深入研究