我正在尝试一个文本分类任务，我有大约500条餐馆评论的训练数据，这些评论被标记为12个类别。我花了比预期更长的时间来实现TF.IDF和余弦相似度来对测试数据进行分类，结果却非常差（F-measure为0.4）。现在时间紧迫，我需要实现一个效果显著更好且学习曲线不陡峭的方法。我考虑将TF.IDF值与朴素贝叶斯结合使用。这听起来合理吗？我知道如果我能将数据格式化正确，我可以用Scikit learn来实现。你还有其他推荐我考虑的吗？

回答：

你应该尝试使用fasttext：https://pypi.python.org/pypi/fasttext。它可以用来对文本进行分类，像这样：

（别忘了在这里下载预训练模型 https://s3-us-west-1.amazonaws.com/fasttext-vectors/wiki.en.zip，如果不是英语，请更改语言）

import fasttextmodel = fasttext.load_model('wiki.en.bin')  # 预训练模型的名称classifier = fasttext.supervised('train.txt', 'model', label_prefix='__label__')result = classifier.test('test.txt')print ('P@1:', result.precision)print ('R@1:', result.recall)print ('样本数量:', result.nexamples)

你的训练集和测试集中的每一行应该像这样：

__label__classname 你的餐馆评论 blah blah blah