我开发了一个文本分类脚本，非常类似于nltk书的第6章中的示例。我想将客户的回复分类到诸如“订购”，“结算”等的存储桶中。
我有回复标记用作训练集。为简单起见，我只举两个训练数据的例子：
'订购新产品很容易'：'订购'
'我的帐单不正确'：'结算'
在对NB分类器进行训练之后，假设我将以下文档分类：“该区域的服务很臭”。
分类器会给它一个标签，无论是订购还是计费，虽然它没有出现在训练数据中的任何一个，所以我需要知道是否接受结果，如果这是有意义的。
我查看了_proba_dict，并认为我可以使用它来确定它是否是一个很好的匹配，但我还没有找到一个可靠的方法来使用它。例如，有时它会为两个标签显示非常低的数字，这是您在此示例中所期望的，但有时则不会。
更进一步，我们可能希望为单个文档分配多个标签。考虑一下：'订购很简单，但计费是一场噩梦'。在这种情况下，我可能希望将其标记为订购和计费。同样，我认为我可以使用概率来确定是否有多个标签是合适的，但我仍然没有看到如何做到这一点。
任何建议将不胜感激！
谢谢，
乔恩
我认为最简单的方法是添加第三类NONE，即代表不计费或排序，并在此类上添加一些句子。然后，您将遇到三类问题，您的系统将能够确定文档是否与计费或订购无关。
如果要允许多标签，第一种方法可以是使用三类分类器，并将阈值放在计费和排序的概率上。然而，这并非接近最佳状态。
如果你想做真正的多标签预测，你有一篇文章描述了一个完整的NLP管道here