Text-Classification

2017-07 自然语言处理大作业 本次实验的目标是应用不同的机器学习算法对13类新闻文本（如文化、娱乐、政治等）进行分类，比较算法性能，包括准确率和速度，总共爬取了9.8篇新闻文本，约400M，样本类别大致均衡。 在该项目中，用到的传统机器学习方法包括逻辑回归、SVM、感知机以及随机森林，特征取值是tf-idf ，特征选择方法为chi2，或者是word2vec。 深度学习方法有CNN和LSTM，输入特征是word2vec。 结果： 特征为tf－idf的方法中，效果最好的是随机森林算法，准确率为94.9%，其次是SVM。 当传统机器学习方法的特征为word2vec时，除了随机森林，效果均有三、四个点的提高，最好的效果是97％左右。 LSTM的准确率是94.6％，CNN不高，仅有68%左右。