提高文本分类的准确性

Question

我正在尝试为文本分类任务找到一个模型。 我的样本数量约为 4500 个句子，每个句子长度约为 50 个单词。 我想对我的文本进行分类的类是 3 个，正面、负面和中性。 我使用了机器学习（SVM、RF、LR）并且我的准确率不超过 75%（我也完成了预处理部分）。 我想和深度神经网络一起工作，也许经常使用，但我不知道从哪里开始。 您有什么建议才能达到最大的准确性？ 我应该期望多少准确度？ （ps我用的是python）

Answer 1

4500 个句子，每个 50 个词的长度对于深度架构来说是不够的。 你可以试着弄清楚，但我认为它不会奏效。
有了这么多数据，我建议您在尝试过的算法（SVM、RF 等）的参数调整和词嵌入上投入更多精力。 您如何在数字空间中表示您的数据？ 使用非最先进方法的良好嵌入仍然可以显示出出色的结果。
对于期望准确度的问题，如果我没有看到数据，我无法告诉您这些信息。 但是，根据我自己的经验，一个 3 类文本分类问题，每个句子都不会太长，可以以 80% 到 90%，甚至 98% 的准确率解决。 这在很大程度上取决于您的数据的本质

Answer 2

正面/负面/中性文本/评论分类是一项非常常见的任务，网络上有许多数据集。 您可以使用其中的一些并扩展您的训练数据集。 或者尝试使用基于它们的预训练模型。