我使用OneClassSVM构建了一个文本分类器。
我的训练集只对应一个标签，即（“是”），而我没有其他（“否”）标签数据。我的任务是构建一个分类器，如果它与训练数据非常相似，则将新的看不见的句子（测试数据）分类为1。否则，它归类为-1，即（异常）。
我已经使用Word2Vec为我的训练数据构建了嵌入词。然后，我使用OneClassSVM的字矢量平均来构建异常检测器分类器。
该分类器目前的准确度约为50％-55％。我必须进一步增强这一点，以构建一个强大的分类器。
对这个问题的任何建议都会有所帮助......
我建议采用一种非常不同的方法，因为根本没有负面课程的训练样例。您可以在训练数据上训练语言模型。在推理时，您使用语言模型对输入进行评分，并根据LM根据输入句子的困惑度的某个阈值对其进行分类。