从本节课开始，我将带大家来完成一个《Bert+TextCNN新闻文本分类项目》。文本分类是自然语言处理最基础，也是最重要的任务之一，非常适合作为NLP入门的第一个项目。

数据集和效果演示

1）数据集：清华大学的 THUCNews 新闻文本分类数据集（子集），训练集18w，验证集1w，测试集1w

2）10个类别：金融、房产、股票、教育、科学、社会、政治、体育、游戏、娱乐

模型结构

在这个课程里，我选用的是 TextCNN 这个模型，来完成分类任务，并不是说只能用 TextCNN，选用其他模型比如 RNN、LSTM 都是可以的。只是因为我有一个小小的野心，就是准备做一个 NLP 的系列项目课程，用尽量不同的模型来完成不同的项目，把常用的模型都覆盖到。同时，TextCNN 也是面试经常会问到的一个基础模型，希望大家学完这个课程之后，能够基本掌握这个模型结构。

另外，大家看到标题里面，在 TextCNN 之前，还接了一个 Bert 模型，这是因为和随机向量化对比，使用 Bert 之后，模型准确率从 0.9 提升到了0.92，准确率有两个点的提升，所以选用了效果更好的模型结构，给大家做讲解。

补充说明

1）虽然 TextCNN 模型结构简单，但如何把代码写的简练，还有很多细节值得琢磨。

2）因为用到 Bert 预训练模型，计算量很大，后面会介绍白嫖 Kaggle GPU 资源，来进行模型训练的方法，敬请期待。

本文为 陈华 原创，欢迎转载，但请注明出处：http://www.chenhuax.com/read/437