提高文本分類的准確性

Question

我正在嘗試為文本分類任務找到一個模型。 我的樣本數量約為 4500 個句子，每個句子長度約為 50 個單詞。 我想對我的文本進行分類的類是 3 個，正面、負面和中性。 我使用了機器學習（SVM、RF、LR）並且我的准確率不超過 75%（我也完成了預處理部分）。 我想和深度神經網絡一起工作，也許經常使用，但我不知道從哪里開始。 您有什么建議才能達到最大的准確性？ 我應該期望多少准確度？ （ps我用的是python）

Answer 1

4500 個句子，每個 50 個詞的長度對於深度架構來說是不夠的。 你可以試着弄清楚，但我認為它不會奏效。
有了這么多數據，我建議您在嘗試過的算法（SVM、RF 等）的參數調整和詞嵌入上投入更多精力。 您如何在數字空間中表示您的數據？ 使用非最先進方法的良好嵌入仍然可以顯示出出色的結果。
對於期望准確度的問題，如果我沒有看到數據，我無法告訴您這些信息。 但是，根據我自己的經驗，一個 3 類文本分類問題，每個句子都不會太長，可以以 80% 到 90%，甚至 98% 的准確率解決。 這在很大程度上取決於您的數據的本質

Answer 2

正面/負面/中性文本/評論分類是一項非常常見的任務，網絡上有許多數據集。 您可以使用其中的一些並擴展您的訓練數據集。 或者嘗試使用基於它們的預訓練模型。