AITerms 登入
自然語言處理機器學習模型訓練

文本分類(Text Classification)是什麼?

文本分類是自然語言處理中的一項任務,旨在將文本自動分配到預定義的類別中。它應用廣泛,例如垃圾郵件檢測、情感分析等。

完整定義

文本分類是自然語言處理(NLP)領域的一項核心任務,其目標是根據文本內容將其自動歸類到預先定義好的類別或標籤中。此過程涉及分析文本的語義、語法和上下文,以確定最適合的類別。文本分類在許多實際應用中都扮演著重要角色,例如垃圾郵件檢測、情感分析、新聞分類和主題標籤等。

白話說明

你有沒有想過,文字送進模型前,為什麼總要先切一刀、再整理一下?

你可以把它想成把文字整理成模型看得懂的單位。

文本分類 的重點是 文本分類是自然語言處理中的一項任務,旨在將文本自動分配到預定義的類別中。它應用廣泛,例如垃圾郵件檢測、情感分析等。

它重要,是因為後面的分類、摘要、搜尋或生成,幾乎都靠這一步打底。

記住這句

先切文字,再談語意。

比喻:文本分類就像圖書館員為新書貼標籤 -- 一本新書來了,圖書館員會判斷它是「歷史類」、「科幻類」還是「食譜」,然後把它放到對應的書架上,讓讀者更容易找到。

容易混淆

文本分類 vs 自然語言處理

文本分類:偏向 把文字整理成模型可用的單位

自然語言處理:偏向 更大的 NLP 領域

最關鍵的區別:文本分類看的是「把文字整理成模型可用的單位」,自然語言處理看的是「更大的 NLP 領域」。

文本分類 vs 情感分析

文本分類:偏向 把文字整理成模型可用的單位

情感分析:偏向 情感分析任務

最關鍵的區別:文本分類看的是「把文字整理成模型可用的單位」,情感分析看的是「情感分析任務」。

實際案例

案例:客服信件先做詞幹或子詞切分

再送進分類模型,比直接硬吃原文更穩

案例:長篇會議紀錄先做摘要

管理者不用看完整文章,也能抓到重點

算法與應用

先把詞、子詞或詞幹整理好,模型才有穩定輸入

文字表示方法不同,後面的分類和搜尋效果會差很多

常見任務是分類、摘要、翻譯和關鍵詞萃取

情境判斷

Q1(直覺題): 你要把一堆客服留言分成抱怨、詢問和稱讚,應該先做什麼?

先把文字切成模型能處理的單位,再做分類。

Q2(判斷題): 遇到超長中文句子和很多新詞時,還能沿用同一種切法嗎?

看情況,切分方式要跟語言和任務一起調,不然效果可能會掉。

常見問題

出現在這些考古題

官方公告試題的逐題解析裡,這 2 題把文本分類列為延伸術語。

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本