关键词信息如何融入到文本分类任务

README.md

@@ -86,8 +86,9 @@
 1. [五千字全面梳理文本相似度/文本匹配模型](./深度学习自然语言处理/文本匹配和文本相似度/五千字全面梳理文本相似度和文本匹配模型.md)
 2. [如何又好又快的做文本匹配-ESIM模型](./深度学习自然语言处理/文本匹配和文本相似度/ESIM.md)
 3. [阿里RE2-将残差连接和文本匹配模型融合.md](./深度学习自然语言处理/文本匹配和文本相似度/阿里RE2-将残差连接和文本匹配模型融合.md)
-4. [聊一下孪生网络和DSSM的混淆点以及向量召回的一个细节](./深度学习自然语言处理/文本匹配和文本相似度/聊一下孪生网络和DSSM的混淆点以及向量召回的一个细节.md)--公众号
-5. [DSSM论文-公司实战文章](./深度学习自然语言处理/文本匹配和文本相似度/DSSM论文-公司实战文章.md)--公众号
+4. [聊一下孪生网络和DSSM的混淆点以及向量召回的一个细节](./深度学习自然语言处理/文本匹配和文本相似度/聊一下孪生网络和DSSM的混淆点以及向量召回的一个细节.md)
+5. [DSSM论文-公司实战文章](./深度学习自然语言处理/文本匹配和文本相似度/DSSM论文-公司实战文章.md)
+6. [bert白化简单的梳理:公式推导+PCA&SVD+代码解读](./深度学习自然语言处理/文本匹配和文本相似度/bert白化简单的梳理.md)
 
 
 ###  关键词提取
@@ -118,6 +119,7 @@
 5. [Bert在文本分类任务上微调](./深度学习自然语言处理/文本分类/在文本分类上微调Bert.md)
 6. [UDA-Unsupervised Data Augmentation for Consistency Training-半监督集大成](./深度学习自然语言处理/文本分类/UDA.md)
 7. [LCM-缓解标签不独立以及标注错误的问题](./深度学习自然语言处理/文本分类/LCM-缓解标签不独立以及标注错误的问题.md)
+8. [关键词信息如何融入到文本分类任务中](./深度学习自然语言处理/文本分类/关键词信息如何融入到文本分类任务中.md)
 
 
 ###  机器翻译

深度学习自然语言处理/文本分类/关键词信息如何融入到文本分类任务中.md

@@ -0,0 +1,30 @@
+在知乎看到这样一个问题【如何将关键词信息融入到文本分类任务】，简单说一下自己的经验，供大家参考；
+
+首先说，现在基本各组都有自己的关键词词库，构造方法也都基本上相似。
+
+简单点的就是TF-IDF筛选，复杂的就是构建挖掘特征，关键词二分类模型；
+
+基于此，大家一般也会加上新词发现+实体挖掘进行候选词库的补充；
+
+然后我们再来说，如何把关键词信息融入到文本分类任务中去。
+
+如果说关键词类别未知，这种情况不常见，但是也会有，一般是两种处理方式。
+
+一种是直接拼接在文本后面，增强信息，很常见。
+
+举个例子【今天出去旅游吗】，关键词是【旅游】，文本输入就是【今天出去旅游吗旅游】
+
+另一种是将关键词构造维稀疏特征加入到文本中去，缺点就是维度会比较高；
+
+如果说关键词类别已知，这种场景比较常见；
+
+先说个题外话，在挖掘语料的时候，关键词匹配挖掘语料是一个很常见的手段，但是容易造成语料太过简单单一+语料噪声比价大，所以冷启动的情况下，可以用关键词挖掘语料，之后还是上一批人工的标注会好一点；
+
+关键词类别已知的情况下，也可以使用两种方式来融入到文本分类任务中去；
+
+第一种就是，把关键词往上抽象化，转为对应的类别，然后作为特征结合文本输入到网络中去；
+
+第二种，也是我比较常用的就是对文本分类之后，对文本做关键词匹配，对应类别提升分值，简单说加规则，这个手段有点不好控制的地方就是分值的确定。
+
+但是我为啥爱用呢？最大的原因就是容易在和运营讲道理【撕】的时候获胜，百试不爽~~~
+