自分で定義したさまざまなカテゴリに属する単語のリストがあります。各カテゴリには独自のパターンがあります（たとえば、1つは特殊文字を含む固定長で、もう1つはこの「単語」のカテゴリでのみ発生する文字の存在です...）。
例えば：
"ABC" -> type1
"ACC" -> type1
"a8 219" -> type2
"c 827" -> type2
"ASDF 123" -> type2
"123123" -> type3
...
私は、トレーニングデータに基づいて、これらのパターンを独自に学習するための機械学習手法を探しています。私はすでに自分でいくつかの予測変数（たとえば、語長、特殊文字の数など）を定義しようとし、ニューラルネットワークを使用してカテゴリを学習および予測しました。しかし、それは実際には私が望むものではありません。各カテゴリーのパターンを自分で習得するテクニック、つまり、私が考えたこともないパターンを習得するテクニックも必要です。
したがって、アルゴリズム学習データ（単語カテゴリの例からなる）を指定し、各カテゴリのパターンを学習して、後で類似または等しい単語からカテゴリを予測するようにします。
それを行うための最先端の方法はありますか？
ご協力いただきありがとうございます
私の視点からは、次のようななめらかを行うことができますcistrome.org/cr/images/Figure4.png、代わりにACGTのあなたは、このような「数、大文字、小文字、スペース」などとしてパターンを使用することができます
—
ドイツ語デミドフ
@GermanDemidovコメントありがとうございます。私はすでにこのようなことについて考えました。しかし、私は実際に学習アルゴリズムがそれ自体でそれを行い、パターンを検出することを望んでいます。（MLが可能かどうかはわかりません）。
—
chresse
実際、このパターンは機械学習です。もちろん、機械学習でそれを行うことができますが、人が最初に特徴抽出を行ってから、それをMLアルゴリズムへの入力として与える必要があります。この例からどの機能を抽出しますか？ハッシュ関数について考えることはできますが、長さが等しくない文字列の場合はかなりうまくいきません。したがって、特徴を抽出する方法がわかるので、MLメソッドを使用できるようになります。異なるクラスのシンボル間のレーベンシュタイン距離のようなsmthを実行し、それらをクラスター化して、分類のために重心までの最小距離を使用することもできます。
—
ドイツのデミドフ2016
したがって、自然に使用する機能（u-大文字、l-小文字、n-数、s-スペース）を使用してベクトルを変換すると、ベクトルは "ABC"-"uuu"、 "a8 219"-"lnsnnn"などになります。オン。次に、たとえば、en.wikipedia.org / wiki / Smith –Waterman_algorithmのアルゴリズムを使用して、距離測定を導入する必要があります。この後、データの分類/クラスタ化/視覚化を実行できます。
—
ドイツのデミドフ2016