（三）：基于深度学习的文本分类综述

• 题目——基于深度学习的文本分类综述
• 出处：CoRR abs/2004.03705 (2020)

Abstract

在各种文本分类任务中，基于深度学习的模型已经超越了基于经典机器学习的方法，包括情感分析、新闻分类、问题回答和自然语言推理。在本文中，我们对近年来开发的150多个基于深度学习的文本分类模型进行了全面的回顾，并讨论了它们的技术贡献、相似性和优势。我们还提供了一个总结超过40流行的数据集广泛用于文本分类。最后，定量分析了不同深度学习模型在流行基准上的性能，并讨论了未来的研究方向。

附加关键词短语:文本分类、情感分析、问答、新闻分类、深度学习、自然语言推理、主题分类。

1 INTRODUCTION

文本分类，也称为文本分类，是自然语言处理(NLP)中的一个经典问题，其目的是为句子、查询、段落和文档等文本单元分配标签或标记。它的应用范围很广，包括问答、垃圾邮件检测、情感分析、新闻分类、用户意图分类、内容审核等。文本数据可以来自不同的来源，包括web数据、电子邮件、聊天、社交媒体、机票、保险索赔、用户评论以及来自客户服务的问题和答案，举几个例子。文本是极其丰富的信息来源。但是，由于文本的非结构化性质，从文本中提取见解是具有挑战性和耗时的。

文本分类既可以通过人工标注，也可以通过自动标注进行。随着工业应用中文本数据的规模不断扩大，文本自动分类变得越来越重要。自动文本分类的方法可以分为两类:
•基于规则