计算机科学 > 计算与语言
[提交于 2024年12月30日
(v1)
,最后修订 2025年3月20日 (此版本, v2)]
标题: 文本分类流程:从浅层开始逐步深入
标题: The Text Classification Pipeline: Starting Shallow going Deeper
摘要: 文本分类在自然语言处理(NLP)领域中占据核心地位,尤其是在计算机科学和工程视角下。过去十年中,深度学习彻底改变了文本分类,推动了文本检索、分类、信息提取和摘要等方面的进步。学术文献包括数据集、模型和评估标准,尽管有研究涉及阿拉伯语、汉语、印地语等,但英语仍是主要关注语言。文本分类模型的有效性很大程度上依赖于其捕捉复杂文本关系和非线性相关性的能力,这需要对整个文本分类流程进行全面考察。在NLP领域,出现了大量文本表示技术和模型架构,其中大型语言模型(LLMs)和生成式预训练变换器(GPTs)处于领先地位。这些模型能够将大量文本数据转换为包含语义信息的有意义向量表示。文本分类的多学科性质,涵盖数据挖掘、语言学和信息检索,突显了协作研究对该领域发展的重要性。本工作结合了传统和现代的文本挖掘方法,促进了对文本分类的全面理解。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.