長文本分類的總結

笨妞很少做文本分類，因爲工作中文本分類確實不怎麼用得到，唯一一個項目用到短文本分類，驗證集acc和f1都到90%以上，所以在笨妞印象中文本分類應該是很簡單的分類問題，都不屬於NLP問題。偶然碰到DC競賽中「達觀杯」文本分類大賽，嘗試了一下新聞類文本的分類。其實並沒有那麼簡單。   數據概況 「達觀杯」的主題是19類新聞分類，數據包含4個字段：id（文章索引）、article（字級別文章）、word

>>阅读原文<<