自动标记单词或短语
我想用列表中定义的单词/短语之一自动标记单词/短语。 我的列表包含在列B中标记的大约230个字的列。 大约有16个独特的标签，这230个单词中的每一个都标有这16个标签中的一个。
看看我的清单：
列A中的单词/短语被标记为列B中的单词/短语。 
有时会添加新的单词，以便手动input标签。 我想build立一个预测的algorithm/模型来自动标记新单词（或build议）。 所以如果我写一个新词，比如说“MIP Reserve”（A36），那么它应该把这个标签预测为“托pipe寄存”（B36），而不是“操作储备”（B33）。 我应该如何准确地预测新单词的标签，即使这些单词与其实际标签中的单词不匹配？ 如果有人愿意看到完整的列表，我可以愉快地分享。
简洁版本
我认为你的问题有点不明确，没有简短的编码或macros观答案。 鉴于每个项目都包含这样的信息，我认为从源数据build立一个好的预测模型是不可能的。 相反，做标记练习一次，看看你如何控制标记在未来。
长版
以下是我要创build预测模型的步骤，以及为什么我不认为您可以这样做。
- 理解你为什么要有一个预测程序
为什么你需要预测程序？ 你是通过成千上万的logging进行sorting，所有这些logging都在变化，需要标记吗？ 如果是这样，我同意，你不会想手动这样做。
如果这是一次性的练习，因为随着时间的推移，标签已经被破坏了原来的含义，你的问题是你的标签已经被破坏，而不是你需要以某种方式预测每个项目应该被标记的地方。 您应该考虑控制标签的使用，而不是预测未来人们会怎样误认或误用某些东西。
不要忘记，Excel中有很多工具可以使问题更容易。 假设您确定所有具有“现金”的项目肯定都是“营业现金”。 把一个自动filter的名单上，并过滤单词“现金” – 现在只需复制并粘贴旁边所有这些“经营现金”。 这样，你可以快速摆脱列表中的明显，并专注于棘手的。
- 了解您要使用的标签的特征。
花点时间看看你正在使用的标签 – 他们每个人都意味着什么？ 这个标签代表什么独特的function或function组合？
例如，您的标签“运营现金”具有现金的特点（即不会被捆绑起来，以便相当快速地使用）以及专用于运营。 从这些angular度来看，我们可能会进一步推断出它在某个地方存在的特点，或者某个人对此负有责任。
如果您有更多的源数据可以继续使用，则可以使用“创build年份”或“客户”等字段来帮助您进一步分类。
- 了解你想要标记的项目是什么，这可以让你知道他们应该去哪里。
这是你最大的问题。 一个简单的例子 – string“MIP Reserve”中的内容是否提供了与“托pipe存款”相关的线索？ 您没有简单的方法来匹配列表中的许多项目 – 许多词汇在多个标签中出现在多个项目中。
但是，请尝试寻找能够提供线索的唯一标识符，例如，所有包含“开发者”字样的项目似乎都被标记为“开发者费用注释和兴趣”。 你还有这些吗？ 使用这些来减less你的问题，因为他们应该是一个简单的映射。
任何唯一的标识符将允许您为这些string设置规则。 你甚至不需要坚持一个词 – 也许当你看到几个词时，你可以缩小它的最终位置，比如当我看到“蛋”时，它可能会变成“鸟”或“爬行动物”，但是如果“鸡蛋“与”翅膀“配对，我可以相当自信这是”鸟“。
您需要将要标记的项目的特征与您在步骤1中开发的标签的唯一标识符相匹配。
- 编写程序或macros以在步骤2中查找标识符并返回步骤1中的相关标签。
这是直截了当的一点。 find你想要的标识符（例如，使用“现金”，包含“真正重要的客户”标签），并寻找最早匹配的标签。
确保你发现任何错误 – 如果没有标签被发现会发生什么？ 它是否创build一个新的？ 它build议与您联系以获得帮助吗？ 如果多个标签相关，会发生什么？ 什么是tiebreaking标准？
但是请注意…
- 了解如何控制这些唯一标识符的使用。
想象一下，你设法得出一个唯一的标识符列表。 你将如何控制他们的使用？ 如果您决定将任何带有“现金”一词的项目发送给“经营现金”标签，那么在一年之后，某人就会出现并创build一个“资金现金”项目，因为他们希望在某个地方存入即将到期的现金花在资本项目上，你怎么阻止呢？ 你将如何控制这些词的使用？
您将有效地需要控制项目命名系统，并build立一个识别单词的商定列表。 每当有人制作一个项目时，他们需要在某个地方包含你的标识符。 我可以告诉你，这是行不通的。 要么他们会用错误的话，你最终还是要手动做，否则他们会把你搞糊涂，最后你会手动做。
如果你是唯一一个这样做的人，只要做一次运动，按照你自己的标准（你logging下来）并坚持那个标准。 当你需要把它交出来时，它显然是有序的，是有道理的。 如果不止一个人这样做，那么在你和团队之间做一次运动，然后同意一种控制方法。
编写一个预测程序听起来不错，可能会为您节省一些时间。 但是要考虑一下你为什么写这个。 您是否有可能需要在将来不断标记帐户？ 如果是的话，集中控制他们的命名，使它成为一个标签是强制性的。 如果不是的话，你为什么要写一个程序来做到这一点？ 只需手动完成一次。