零基础入门NLP - 新闻文本分类 | 天池 | Task1 赛题理解

赛题背景

• 赛事名称：天池大赛 > 学习赛 > 零基础入门NLP - 新闻文本分类

• 赛事链接：https://tianchi.aliyun.com/competition/entrance/531810/introduction?spm=5176.12281973.1005.1.3dd51f54T3P3Ho

• 赛题简介：赛题以自然语言处理为背景，要求选手根据新闻文本字符对新闻的类别进行分类。这是一个经典文本分类问题，旨在带领选手了解并实践NLP的预处理、模型构建和模型训练等。

 

赛题数据

数据简介

• 赛题以字符级别匿名处理过的新闻文本数据为赛题数据。
• 候选分类划分为14个类别：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、文本。
• 赛题数据组成部分：训练集-20w条样本，测试集A-5w条样本，测试集B-5w条样本。

数据标签

• 训练数据样例

label	text
6	57 44 66 56 2 3 3 37 5 41 9 57 44 47 45 33 13 63 58 31 17 47 0 1 1 69 26 60 62 15 21 12 49 18 38 20 50 23 57 44 45 33 25 28 47 22 52 35 30 14 24 69 54 7 48 19 11 51 16 43 26 34 53 27 64 8 4 42 36 46 65 69 29 39 15 37 57 44 45 33 69 54 7 25 40 35 30 66 56 47 55 69 61 10 60 42 36 46 65 37 5 41 32 67 6 59 47 0 1 1 68

• 标签映射：{'科技': 0, '股票': 1, '体育': 2, '娱乐': 3, '时政': 4, '社会': 5, '教育': 6, '财经': 7, '家居': 8, '游戏': 9, '房产': 10, '时尚': 11, '彩票': 12, '星座': 13}

评价指标

评价指标为f1_score的均值，选手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

数据读取使用Pandas库完成。

 

解题思路

赛题本质是一个文本分类问题，处理过程大致分为文本预处理、文本特征提取、分类模型构建等。

本次赛题将采取分别4种方式对文本进行分类：

1. 机器学习 - TD-IDF+机器学习分类器：使用TF-IDF对文本提取特征，并使用分类器（SVM、LR或XGBoost）进行分类。
2. 深度学习 - FastText：入门级词向量，快速构建出分类器。
3. 深度学习 - Word2Vec+深度学习分类器：进阶词向量，并通过构建深度学习分类网络（TextCNN、TextRNN或BiLSTM）。
4. 深度学习 - Bert词向量：高级词向量，具有强大的建模学习能力。

 

---

Reference

1. https://tianchi.aliyun.com/competition/entrance/531810/information
2. https://github.com/datawhalechina/team-learning-nlp/blob/master/NewsTextClassification/Task1%20%E8%B5%9B%E9%A2%98%E7%90%86%E8%A7%A3.md
3. https://blog.csdn.net/u014248127/article/details/80774668