python上下文中多个多词短语分类的NLP策略

我想要一些帮助来选择NLP策略对日记账分录进行分类。下面是一个示例，说明日记账分录可能是什么样子，以及正确的分类应该是什么

“昨天，我睡得很糟。我觉得很累，所以我一天的工作效率不是很好。”

分类：“睡眠：糟糕”和“工作效率：不是很好”

我有一大套个人日记。人们将谈论他们做过（或试图做）的事情以及结果如何（“好”、“坏”）。每个条目将有多个尝试和评分，我需要正确匹配它们

现在，我可以采取的一种方法是在Python中使用Spacy的matcher，并提供一个多单词属性列表，如

# Initialize the Matcher with the shared vocabulary
matcher = Matcher(nlp.vocab)

# Create a pattern matching two tokens: "iPhone" and "X"
pattern = [{'TEXT': 'not'}, {'TEXT': 'very'}, {'TEXT': 'good'}]

但是，问题是，即使我提出了一个新的评级和元素词典，我如何在上下文中匹配它们，比如正确的属性/形容词/评级与正确的元素（比如生产力或睡眠）

---

我相信有一种更有效的方法可以做到这一点，但我不太确定。任何帮助都会很好，如果我能让这个问题变得更好，请告诉我。

我会发表评论，但我的声誉太低，但这是一个非常有趣的NLP应用程序。如果你的杂志已经有了分类，我会研究ML方法。我最喜欢的文本分类工具是fasttext（）

---

无论如何，祝你好运

欢迎来到StackOverflow，而且。。。在这里申请。请查收；您的问题对于堆栈溢出来说过于宽泛，但可能适合堆栈交换的其他地方。作为提示，您尝试做的技术名称是“基于方面的情绪分析”。这是一个积极研究的领域，你可能需要尝试一些东西，然后才能找到任何有效的方法（如果你这样做的话）。一个大问题是，你有一个固定的上下文列表，还是你想处理任何事情？