NLP文本挖掘

NLP天池新闻文本分类—赛题

目录：

          赛题理解
          赛题数据
          学习目标
          赛题思路

赛题理解

赛题的名称：
零基础入门NLP之新闻文本类
赛题的任务：
以NLP为背景，对新闻文本进行分类，及处理一个典型的字符识别问题
赛题目标：
通过这道赛题可以引导大家走入自然语言处理的世界，带大家接触NLP的预处理、模型构建
和模型训练等知识点。

赛题数据

赛题以匿名处理后的新闻数据为数据，数据集报名后可见并可下载。赛题数据为新闻文本，并按照字符级别进行匿名处理。整合划分出14个候选分类类别，分别是财经、彩票、房产、股票、家居、教育、科技、社会、时尚、时政、体育、星座、游戏、娱乐的文本数据。

数据构成
训练集20w条样本，测试集A包括5w条样本，测试集B包括5w条样本。

评测指标
评价标准为类别f1_score的均值，提交结果与实际测试集的类别进行对比，结果越大越好。

数据读取
使用Pandas库完成数据读取操作，并对赛题数据进行分析。

train_df = pd.read_table('./data/train.csv')
test_df =