文字分类 文本分类（文本分类）是自然语言处理中的一个重要应用技术，根据文档的内容或主题，自动识别文档所属的预先定义的类别标签。文本分类是很多应用场景的基础，某些垃圾邮件识别，舆情分析，情感识别，新闻自动分类，智能客服机器人的合并分类等等。此处分为两个部分： 第1部分：基于scikit学习机器学习的Python库，对比几个传统机器学习方法的文本分类 第2部分：基于预训练词向量模型，使用Keras工具进行文本分类，用到了CNN 本文语料：，密码：P9M4。更多新闻标注语料，。 预训练词向量模型来自，下载地址： 。 第1部分：基于scikit-learn机器学习的文本分类方法 基于scikit-

基于 pytorch-transformers 实现的 BERT 中文文本分类代码 数据： 从 THUCNews 中随机抽取20万条新闻标题，一共有10个类别：财经、房产、股票、教育、科技、社会、时政、体育、游戏、娱乐，每类2万条标题数据。数据集按如下划分： 训练集：18万条新闻标题，每个类别的标题数为18000 验证集：1万条新闻标题，每个类别的标题数为1000 测试集：1万条新闻标题，每个类别的标题数为1000

基于CNN的中文文本分类算法（可应用于垃圾邮件过滤、情感分析等场景）

中文文本分类语料库

适用于中文中长文本分类 原始数据集和已经划分的数据集已给出 划分的数据集经过数据预处理，删除了其中的重复文本，以及文本长度小于50的句子，最终构造的平衡语料 训练集 5800 测试集 1000条 验证集1000 （正负评论各站一半）

复旦大学中文文本分类训练集和测试集 文件太大压缩为了zip格式。 all文件夹为复旦大学中文文本分类语料集， test_corpus为该语料集中挑选部分划分出来的， train_corpus为该语料集中挑选test_corpus后剩余部分划分出来的。 下载以后可以按照自己的要求指定比例划分训练集和测试集，也可以按照本文档的划分方法。

NLP实战之中文文本分类

中文文本分类语料-测试集下载 是测试集，训练集请见我的资源 本语料库由复旦大学李荣陆提供。test_corpus.rar为测试语料，共9833篇文档；train_corpus.rar为训练语料，共9804篇文档，两个预料各分为20个相同类别。训练语料和测试语料基本按照1:1的比例来划分。

Bert-Chinese-Text-Classification-Pytorch LICENSE 中文文本分类，Bert，ERNIE，基于pytorch，开箱即用。 介绍 模型介绍、数据流动过程：还没写完，写好之后再贴博客地址。 工作忙，懒得写了，类似文章有很多。 机器：一块2080Ti ， 训练时间：30分钟。 环境 python 3.7 pytorch 1.1 tqdm sklearn tensorboardX pytorch_pretrained_bert(预训练代码也上传了, 不需要这个库了)

用朴素贝叶斯分类算法做中文文本分类-附件资源