论⽂种类分类

4.1 任务说明

学习主题：论⽂分类（数据建模任务），利⽤已有数据建模，对新论⽂进⾏类别分类；

学习内容：使⽤论⽂标题完成类别分类；

学习成果：学会⽂本分类的基本⽅法、 TF-IDF 等；

4.2 数据处理步骤

在原始arxiv论⽂中论⽂都有对应的类别，⽽论⽂类别是作者填写的。在本次任务中我们可以借助论⽂的标题和摘要完成：

对论⽂标题和摘要进⾏处理；

对论⽂类别进⾏处理；

构建⽂本分类模型；

4.3 ⽂本分类思路

思路1：TF-IDF+机器学习分类器

直接使⽤TF-IDF对⽂本提取特征，使⽤分类器进⾏分类，分类器的选择上可以使⽤SVM、LR、XGboost等

思路2：FastText

FastText是⼊⻔款的词向量，利⽤Facebook提供的FastText⼯具，可以快速构建分类器

思路3：WordVec+深度学习分类器

WordVec是进阶款的词向量，并通过构建深度学习分类完成分类。深度学习分类的⽹络结构可以选择TextCNN、TextRnn或者BiLSTM。

思路4：Bert词向量

Bert是⾼配款的词向量，具有强⼤的建模学习能⼒。