自然语言处理实践Task1

一、数据集结构：

共14个分类：{‘科技’: 0, ‘股票’: 1, ‘体育’: 2, ‘娱乐’: 3, ‘时政’: 4, ‘社会’: 5, ‘教育’: 6, ‘财经’: 7, ‘家居’: 8, ‘游戏’: 9, ‘房产’: 10, ‘时尚’: 11, ‘彩票’: 12, ‘星座’: 13}

二、评测标准：

$$F_1=2\ast \frac{(precision+recall)}{(precision\ast recall)}$$

F1​结果越大越好。

三、解题思路

1. TF-IDF + 机器学习分类器：直接使用TF-IDF对文本提取特征，并使用分类器进行分类。在分类器的选择上，可以使用SVM、LR、或者XGBoost。
2. FastText：入门款的词向量，可以快速构建出分类器。
3. WordVec + 深度学习分类器：WordVec是进阶款的词向量，并通过构建深度学习分类完成分类。深度学习分类的网络结构可以选择TextCNN、TextRNN或者BiLSTM。
4. Bert词向量：Bert是高配款的词向量，具有强大的建模学习能力。