Classificação de conversas com base no conteúdo

Eu gostaria de poder criar um classificador que possa distinguir entre diferentes tipos de conversas (não necessariamente conte nada sobre humor, sinceridade ou resultado, que é um pouco buscado).

Saber, por exemplo, que entre 50 amostras de conversas, 10 envolvem ambas as partes buscando informações sobre um evento futuro, 30 parecem não ter um objetivo e 10 envolvem uma parte buscando informações de outra sobre um evento passado (realmente o algoritmo classificaria como tipos I, II ou III, sem levar em consideração as circunstâncias reais).

Em outras palavras, a ordem dos palestrantes importaria junto com o conteúdo, talvez ajudado pela propagação do algoritmo com determinadas palavras-chave.

Existe um sistema de classificação que possa executar essa tarefa com um grau de precisão bastante alto?

É assim que eu abordaria isso. Você realmente precisa verificar se um texto está na classe I ou III (caso contrário, seria classe II).

• Primeiro, defina um conjunto de palavras para as classes I e III. Você pode fazer isso manualmente
• Para cada texto, calcule o tf-idf para as palavras nessas duas classes e some-o (obtenha duas somas).
• Se algumas dessas duas somas estiverem acima de um limite predefinido, elas pertencerão a essa classe.

Se você tiver um conjunto de dados de aprendizado grande o suficiente, poderá descobrir facilmente quais são os dois grupos de palavras, bem como os dois limites para eles.