从“打字描述”到“标签”
从“打字描述”到“标签”
提问于 2014-08-12 12:27:38
背景
我确实有一个图像数据集(类似于http://www.image-net.org/)，该数据集为每个图像提供了一个“带有打字的描述”。我想对这个家伙运行一些深卷积神经网络，但我需要首先生成“标签”。所以，问题是：
问题
如何从“带有排字的描述”生成类别的“标签”？
技术信息
数据集有大约13M幅图像，并有相应的(有效的)“描述”和可选的“输入”。“描述”的一些例子如下：
想法
我正在考虑用以下的方法来处理这个问题。
- 修正排版：
- 运行拼写检查以识别拼写错误；
- 通过找到可以修复它的更好的词
- 查看数据集中的其他描述，或
- 检查图像并手动纠正错误；
- 生成最终标签：
- 在句子嵌入(将句子映射到ℝᴺ中的函数)上运行聚类算法(例如k均值)
- 使用最经常出现的词。
回答 1
Stack Overflow用户
回答已采纳
发布于 2014-08-12 18:46:05
这里有一些想法：
- 你应该清楚地进行拼写检查，否则你的标签会更吵。选项：
- Check a Information retrieval course and implement the checking, google lecture3-tolerant-retrieval-handout-6-per.pdf (I bet this is not the way to go) In case you want frequencies, google "Natural Language Corpus Data"
- Use some code [http://norvig.com/spell-correct.html](http://norvig.com/spell-correct.html) (in many languages)
- 关于标签(我猜你是想要自动的，否则会有半自动的方法)：
- Use [http://viget.com/extend/tagging-text-automatically](http://viget.com/extend/tagging-text-automatically) I have never used them but it should work reasonable well
- I would not recommend using k means because you do know the number of groups
- Use the most recurrent word might work for few examples (like the ones you show there) but it might not work for many cases.
我希望这是有用的
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/25273507
复制相关文章
相似问题
腾讯云开发者
