qq_42368276的博客

原创 文本(图书)分类比赛学习笔记

赛题任务：文本分类是根据文本的特征（内容或属性），将给定文本划分到相应的类别中。文本分类已经成为自然语言处理领域非常经典和基础的应用。其中，图书已经成为人类文本语料的重要来源和组成部分。中国年均出版图书超过50万种，其中新书超过25万种。全球的新出版图书超过百万种。如果有一种自动化的方法可以为图书进行分类，将极大地提升对图书的管理和利用信息的效率。本次比赛的任务为根据图书的简介（书名和摘要），对图书进行分类。其中，输入数据为图书介绍文本，预测标签是约50个预先设定好的图书分类。本次比赛将提供10万条