文本分类TA的训练样本数

这很难回答,但我会根据我的经验尽最大努力。

过去,我对3个数据集进行了文本分类;括号中的数字表示我的数据集有多大: 餐厅评论(5万句)、reddit评论(25万句) 和 问题跟踪系统的开发人员意见(10000句) . 每一个都有多个标签。

在这三个案例中,包括一个有10k句的案例,我的F1得分都超过了80%。我特别强调这个数据集,因为有人告诉我,这个数据集的大小更小。

因此,在您的情况下,假设您至少有1000个平均7分钟通话的实例(包括客户和代理之间的对话),这应该是一个不错的开始。如果结果不令人满意,您可以选择以下选项:

1) 使用不同的模型(MNB、随机林、决策树等,以及您正在使用的任何模型)

2) 如果第1点给出的结果或多或少相似,请检查您拥有的所有类的实例的比率(此处所述的3轴)。如果他们的比率不高,请获取更多数据或尝试不同的方法 balancing techniques 如果无法获取更多数据。

3) 另一种方法是在句子级别而不是消息或会话级别对它们进行分类,以便为句子生成更多的数据和单独的标签,而不是消息或会话本身。