基于关键词的分类器

什么是基于关键字的分类器

“基于关键字的分类器”是一个简单分类器，用于搜索给定文件中重复的字符串序列，以便执行文档分类。

该算法围绕文档标题的概念构建，前提是在带有标题的文档类型中，这些标题在文档中的显示方式变化较小。

将文件归入某一文档类型时，“基于关键字的分类器”：

“基于关键字的分类器”可以处理单个字符串条目（一个被视为分类器正在使用的学习数据中一个条目的字符串），也可以处理包含多个字符串的条目（两个或多个字符串构成一个条目）。如果存在多个字符串，分类器将对每个字符串分别应用匹配算法，然后计算所识别匹配项可信度的简单平均值。

下面我们举一个例子：

如果条目包含单个字符串，例如“this is my Match”，则“基于关键字的分类器”会搜索此字符串并将其定为潜在文档类型匹配项（根据字符串所属的文档类型）。
如果某个条目包含三个字符串，例如[“this is a Match”、“needs more evidence for filtering”、“yet another one”]，则“基于关键字的分类器”会逐一搜索这三个字符串并进行评分，然后计算匹配可信度的简单平均值进行报告。

在下列情况下，您应考虑使用此分类器：

使用“基于关键字的分类器”时，无特殊要求。

您只需访问活动的“管理学习”向导，即可在设计时配置“基于关键字的分类器”。通过使用具有更新后学习文件路径的同一向导，可以使用同一向导来审核在文档分类训练阶段收集的数据。

此向导允许您配置和管理此活动用于标识文档类型的关键字。创建它是为了适应编辑文件路径的需要。如果改用带有变量的“学习数据”参数，则系统会询问您是否要编辑特定文件路径或中止此操作。

备注： “管理基于关键字的分类器学习”向导只能用于编辑和配置文件路径。

在工作流中添加“基于关键字的分类器”/“基于关键字的分类器训练器”活动。
通过添加 .json 文件的路径来配置基于关键字的分类器活动。
- 如果未提供路径并且单击了“管理学习”选项，则会显示一个弹出窗口，要求输入学习文件路径。提供路径后，系统将打开向导。
- 可以添加变量而不是 .json 文件，但是，由于向导无法将学习模式应用于学习数据变量，因此它会要求您提供可编辑的特定文件路径。
单击“管理学习”选项。
- 系统将打开“向导”窗口。
如果未提供路径并且单击了“管理学习”选项，则会显示一个弹出窗口，要求提供学习文件路径。提供路径后，系统将打开向导。

注意：即使没有可用的 .json 文件，您也可以直接将新的 .json 文件的名称添加到活动中，系统会在指定的文件夹中自动创建 .json 文件。

该向导包含您在分类法中定义的尽可能多的文档类型类别。您可以为每种文档类型添加单个或多个关键字。该活动学习特定文档的关键字，然后能够根据这些规则对特定类型的文档进行识别和分类。

所有条目都应作为字符串输入，并在 ""（引号）之间输入，并且您可以添加单个或多个值。

单击“添加新关键字集”按钮会向该类别添加一个额外的字段。
单击按钮删除字段及其关键字。
单击“保存”按钮以保存向导配置。您可以在项目的 .json 文件中找到所有添加的值。

注意：根据 Visual Basic 约定（双引号），在“管理关键字”向导中作为关键字的一部分输入的双引号始终会转义，即使在 C# 风格的项目中也是如此。