白话自然语言处理（2）之文本分类

背景

话说两年前我一脸蒙圈地开始了自己文本挖掘的职业生涯，领导给我的第一个任务就是文本分类任务。小伙伴手把手教我怎么来做一个三分类任务，上手还挺快，正能量爆炸，原来这就自然语言处理，也没有那么复杂吗？无知者无畏。

自然语言处理博大精深，越到细节处越是难，一不小心就从入门到放弃了。一个好的新手任务是入门到深入的前提，而文本分类任务就是一个很不错的选择，保准给你打满鸡血，至于能不能坚持到最后？就暂时不是我们关心的问题。万事开头难，好的开头有好结尾的概率会高一点。不啰嗦，回归正题开始胡说八道。

什么是文本分类

分类大家都知道吧？我且大胆地尝试下个定义，把事物按某特性划分为几种类别。

生活处处是分类，前段时间上海风风火火地垃圾分类，就算一种！按照垃圾的材质/是否可回收分类。垃圾分类出来没多久，有聪明的小伙伴就说我们是不是可以搞一个垃圾分类的模型，商机无限，我感叹小伙伴这头脑该去做ceo啊，也没有太在意。不过没多久市面上就有各种垃圾分类应用涌现，感觉错过一个亿的商机。

上学的时候，对分类的认识是不够的，觉得搞这么多分类干啥，有啥用啊。那时候文小刚大佬组里的文章喜欢各种分类，奈何智商有限，每次都云里雾里，大佬的世界我不懂。后来做了文本分类任务，才渐渐去想想为什么要分类？我想最简单的，分类意味着对事物认知，可以定位到更细的类别，可以进行筛选；分得越细，说明我们研究的越清楚，最终 …(原谅我浅薄的认知，故事编不下去了)

知道了分