使用NLP/ML/word2vec/tensorflow进行预测

Question

使用NLP/ML/word2vec/tensorflow进行预测。 我有来自服务请求实用程序的1000条记录。 我有服务请求清单&执行人员采用自然英语语言（针对来自不同用户的相同类型的请求，文本可能不同）的相应操作。

样品record-

要求：除的xxx电子邮件别名，用户ID YYY

行动：要求用户得到管理员的批准，然后手动添加的用户ID的邮件别名组。

我的理解是，这个数据可以用作我的模型（NLP/ML/word2vec）的训练数据，以这种方式，如果有任何相同类型的新请求作为模型的输入给出，模型应该能够建议行政部门应采取的必要行动。这是我想要达到的，但不知道如何以及从哪里开始。我从

https://github.com/tmikolov/word2vec

https://github.com/tensorflow/tensorflow/tree/r0.12/tensorflow/models/embedding

任何指针执行样本。

Answer 1

我认为你可以将此视为翻译问题。而不是翻译从请求到行动的语言。 TensorFlow页面有一个可以尝试的翻译教程：https://www.tensorflow.org/tutorials/seq2seq/

对于更简单的浏览器，您还可以在包含请求和答案的整个文本文件上训练一个字符预测RNN。这在代码http://karpathy.github.io/2015/05/21/rnn-effectiveness/处有很好的描述。

然后，RNN将能够生成或自动完成请求:)。