文本分类

文本分类
文本分类需要用到re，数据清洗，分词

替换叠词re.findall(pattern{n,m},txt)

http://c.runoob.com/front-end/854使用这个网站在线匹配

构建停用词，除了常用的停用词外，可以根据文本中需要去除的文本加入

构建词典，不想被分词器分开的词，可以添加到词典中

先是传统方法，文本分类
有分类器，logistics，svm，naviebayes,xgb……
可以将文本编码为词频或者是tfidf
其中词频可使用 countervectorize
tfidf可使用tfidfvectorize

然后用这些传统方法分类
其中贝叶斯有三种，分别是伯努利贝叶斯对应标签0/1，多项式贝叶斯对应多个标签，高斯贝叶斯对应连续

然后是深度学习
lstm or bilstm
textcnn
DCNN–动态的K-max Pooling
CLSTM–将CNN和RNN混合使用作为文本的分类器
FastText
Hierarchical Attention Networks(HAN)

还有关于关键字对于分类的作用？？
提取关键字，利用关键字建立特征矩阵，
参考
深度https://blog.csdn.net/cdj0311/article/details/80433936