A100-文本分类比赛

训练集格式：类别 文本

测试集格式：索引 文本

提交结果格式：索引 类别

思路：

1、文本向量化

     （方法：前期用TFIDF，后期用word2vec）

2、分类方法：

     方法： SVM  

                 fasttext

主要步骤：

1、生成词典

2、生成tfidf向量

3、生成lsi向量

4、分类器参数训练

5、对新文本进行分类。

前4个步骤可以看做是分类器的训练过程，而第五个阶段，则是使用训练得到的参数对新文本进行分类。

问题一、如何构建文本向量。如何用IFIDF将文本向量化，每一个文本的向量长度是否相同？

http://palydawn.blog.163.com/blog/static/18296905620124171155256/

http://blog.csdn.net/orlandowww/article/details/52966608?locationNum=2&fps=1

A100数据竞赛第一天结果：线性核 linear