Как я рекомендую действия, основанные на настроении текста?

Question

Я получил свой классификатор текстовых настроений от этого GitHub ссылка , и он использует этот набор данных для тестирования и обучения:

Сообщения, отмеченные 0, являются положительными, а остальные, отмеченные 1, имеют отрицательное отношение. Например, если я запустил функцию, подобную этой, после обучения / тестирования:

pm = process_message('Hi hello depression and anxiety are the worst')
sc_bow.classify(pm)

Она вернет True, поскольку содержит отрицательные чувства.

Мой план сейчас состоит в том, чтобы построить система рекомендаций, которая рекомендует пользователю действия в зависимости от того, имеют ли текст положительное или отрицательное отношение.

Это глава набора данных, который я разработал прямо сейчас:

Содержит список действий и собственный ярлык (1 и 0). Если 1 - это активность, которую можно рекомендовать, когда пользователь отрицательный, и наоборот.

Поскольку я действительно новичок в машинном обучении, кто-нибудь может дать мне несколько советов о том, как достичь этой моей цели?

Курс, которым я сейчас следую, это Курс Удеми .

Answer 1

Вам не нужен фрейм данных, чтобы содержать эти ответы, когда обычный дикт, отображающий «класс ответа» (т. Е. Результат классификации) с возможными вариантами, будет делать:

import random

responses = {
  True: ["Take a bath", "Something", "Else"],
  False: ["Something", "Else"],
}

# ...

pm = process_message('Hi hello depression and anxiety are the worst')
response_class = sc_bow.classify(pm)
response = random.choice(responses.get(response_class, []))
print(response)