TextCNN项目 P10 多标签文本分类数据集介绍

作者：陈华 • 发布时间：2022-12-20 • 阅读 1473

从这节课开始，我们就正式进入项目的第二阶段，来用TextCNN实现商品问题的多分类，和“问题加答案”整体的情感分析，这样两个模型的搭建。

前面课程当中，给大家讲解了用 Bert+TextCNN，实现新闻文本分类的项目，这个项目是一个单标签的任务。

但在实际项目中，多标签也是一个比较常见的场景。所以从这节课开始，我们给大家补充一个多标签的处理方案。并且在最后，我们把多标签和单标签两个模型结合起来，做一个 pipline 的联合模型，来提高整体的模型准确率。

这个多标签任务的数据集，是我工作中实际的项目场景，我们发动业务人员，帮我们手动标注了一些数据，我提取了一部分，供我们学习使用。

数据来源：是用爬虫爬取的淘宝、京东平台上，面霜类商品问答数据。爬虫的内容如果大家感兴趣，也可以留言给我，后续再给大家做补充。

数据量：训练集1w，测试集2k。

类别标签（12个）：功效、适⽤⼈群、使用方法、使用感受、不良反应、属性、竞品对比、包装、价格、渠道、物流、其他。

可以祛斑吗？ 功效
小孩能不能用？ 适用人群
可以祛痘吗，有没有副作用？ 功效|不良反应
有没有刺激性？会过敏吗？ 不良反应

跟单标签分类类似，我们继续沿用 Bert+TextCNN 来提取句子特征，不同的点，在于单标签目标值是一个分类的id，多标签的目标值是一个序列。

好，这节课我们先给大家介绍了，多标签任务用到的数据集，然后简单介绍了算法实现的方案，那下节课，我们还是先来处理一下数据集，然后把之前的新闻数据集，换成自己标注的问答的数据。