数据挖掘 - 如何为 NLP 分类器使用多个文本特征？ - 吾爱随笔录

我正在尝试构建文本分类器，通常，我们有一个文本列和基本事实。但我正在研究一个数据集包含许多文本特征的问题。我正在探索如何利用不同的文本功能的不同方式。

例如，我的数据集如下所示

Index_no                   domain  comment_by   comment       research_paper      books_name

01                         Science  Professor   Thesis needs  Evolution of         MOIRCS 
                                                more work     Quiescent            Deep 
                                                              Galaxies as a        Survey
                                                              Function of
                                                              Stellar Mass       



02                         Math    Professor   Doesn't follow  Evolution of   
                                               Latex format   Quiescent           nonlinear 
                                                              Galaxies as a       dispersive
                                                              Function of         equations
                                                              Stellar Mass

这只是一个虚拟数据集，这里我的基本事实 (Y) 是域，特征是comment_by, comment, research_paper,books_name

如果我使用任何 NLP 模型（RNN-LSTM、Transformers 等），这些模型通常采用一个 3 个暗向量，因为如果我使用一个有效的文本列，但是文本分类器有多少文本特征？

我试过的：

1）加入所有列并制作一个长字符串

Professor Thesis needs more work Evolution of Quiescent Galaxies as a Function of Stellar Mass MOIRCS Deep Survey

2)在列之间使用标记

<CB> Professor <C> Thesis needs more work <R> Evolution of Quiescent Galaxies as a Function of Stellar Mass <B> MOIRCS Deep Survey

其中<CB>comment_by、<C>comment、<R>research_paper、<B>books_name

我应该<CB>在开始时使用还是这样使用？

Professor <1> Thesis needs more work <2> Evolution of Quiescent Galaxies as a Function of Stellar Mass <3> MOIRCS Deep Survey

3）为每一列使用不同的密集层（或嵌入）并将它们连接起来。

我已经尝试了所有三种方法，还有其他方法可以尝试提高模型的准确性吗？还是提取、组合、加入更好的特征？

提前致谢！