我有一个涉及多种语言的文本分类任务。我希望创建一个从文本中提取年龄的特征，年龄的分类包括：18-24、25-34、35-49和50-xx。我的语料库只有推文。我已经尝试使用所有推文，但性能非常低（0.66）。有什么方法可以处理这个任务吗？提前感谢。
回答：
由于这仍然是一个研究任务，我建议查看几篇科学论文（链接和下面的摘要主要来自我们论文的“相关工作”部分 – 遗憾的是，原文是俄文，所以我对谷歌翻译做了一些编辑）。
因此，请查看这些按年份标记的作品：2009、2010、2011、2013、2014。
总结如下：你应该寻找或创建带标签的语料库，并使用以下特征进行监督机器学习：
- 文本特征：单词和字符的n-gram，
- 风格特征：词性、俚语、平均句子长度、标点符号、首字母缩写、表情符号等，
- 社交网络特征：用户的好友数量、用户页面上显示的帖子数量、总帖子数量、用户每篇帖子的平均评论数量。
