赛题理解

任务

这次任务是一个多分类问题。评测标准f1_score，不直接用准确率可能是为了在unbalance的数据集中，更好地评测模型

思路

特征抽取

• DL
  • Word2vec
  • Glove
  • Bert
• ML
  • TF-IDF

分类器

• SVM
• XGboost

数据分析

特征是由数字表示的，不能直接使用预训练模型，Bert==GG。最简单的特征抽取就是基于统计的TF-IDF，可以尝试自己训练Glove。

统计了一下label的分布，差距很大，鉴于评测用的是F1-score。就要对数据进行balance操作。