数据集：包含大约1500条数据的Csv文件，列为(Text,Labels)，其中Text是尼泊尔语的新闻文章，Label是其类型（健康、世界、旅游、天气等）。

我正在使用Spacy来训练我的文本分类模型。到目前为止，我已经将数据集转换为如下所示的数据框，然后通过以下代码将其转换为Spacy可接受的格式

dataset['tuples'] = dataset.apply(    lambda row: (row['Text'],row['Labels']), axis=1)training_data = dataset['tuples'].tolist()

这为我提供了训练数据集中元组列表，如[(‘text…’,’label…’),(‘text…’,’label…’)]

现在，我该如何在这里进行文本分类呢？

在Spacy的文档中，我找到了

textcat.add_label("POSITIVE")textcat.add_label("NEGATIVE")

我们是需要根据标签添加标签，还是也应该使用正面/负面这样的标签？Spacy在训练后会根据我们的数据集生成标签吗？

有什么建议吗？

回答：

你必须添加自己的标签。所以，在你的情况下：

textcat.add_label('Health')textcat.add_label('World')textcat.add_label('Tourism')...

spacy然后将能够预测你在上述代码块中添加的那些类别

训练数据有一个特殊的格式：你的数据列表中的每个元素都是一个包含以下内容的元组：

1. 文本
2. 仅包含一个元素的字典。cats是键，另一个字典是值。那个另一个字典包含所有你的类别作为键，1或0作为值，表示该类别是否正确。

所以，你的数据应该看起来像这样：

[('text1', {'cats' : {'category1' : 1, 'category2' : 0, ...}}), ('text2', {'cats' : {'category1' : 0, 'category2' : 1, ...}}), ...]