🎯比赛地址
文本分类的任务是将给定的文本划分到事先规定的文本类别。
- 赛题难度
- 匿名数据 + 长文本 + 类别不均衡
- 解题思路：
- 思路1：TF-IDF提取特征 + SVM分类
- 思路2：训练FastText词向量并分类
- 思路3：训练Word2Vec词向量 + TextCNN模型分类
- 思路4：训练BERT词向量并分类
- 思路5：BERT分类 + 统计特征的树模型
- 思路6：......
- 赛题中每个新闻包含的字符个数平均为1000个，还有一些新闻字符较长；
- 赛题中新闻类别分布不均衡，科技类新闻样本量接近4万，星座类新闻(13)样本量不到1千；
- 赛题总共包括7000-8000个字符。
🛴利用BERT + 全局平均池化进行新闻文本分类
- 配置：Tensorflow2.0+ 、Transformers库v3.0.2、bert-base-chinese
🛴利用BERT+BI-LSTM进行新闻文本分类