我正在进行多类文本分类。然而，我的数据集中有一些重复的数据。但这些不是重复，因为它们属于不同的类别。数据是有效的，这两个类别彼此接近，重复的文本训练数据不属于同一类，而是属于具有相同共享URL的不同类。我该怎么做，才能让我的文本分类器有效地预测未来的输入，并且在更高的概率下不与其他对应部分共享概率？另外，还有什么其他技术需要注意：只有10%的训练数据是重复的，并且属于不同的类别。

回答：

您试图解决的问题不是多类分类，而是多标签分类。解决多标签分类有不同的方法。一个起点可以是这里：https://scikit-learn.org/stable/modules/multiclass.html