一直在关注文本分类的动态，直到最近找到了应用场景才开始真正动手。AI很火，但是泡沫终将远去，在AI技术成本昂贵的今天，我们的投资在多年后能留下多少一定是技术本身带来的商业价值。

方案的选择

还是老规矩，先上方案选型。路很多，正确的选择一条适合自己的路其实比怎么做更重要。少走弯路，结合长期运营布局。
文本分类的方法很多，SVM, TextCNN, IDF和本文的FastText ，之所以选择了FastText是有现成的代码测试了一下效果，发现速度很快，处理几万条文本几乎不占CPU。
考虑到SVM太基础，可能无法应对复杂的语料环境。
IDF可能也可以，只是没能来得及试验。
TextCNN涉及到Tensorflow或者PyTorch等神经网络高计算量工具，作为最后的选择。

关键经验

• 其实按照fasttext官网一步步走下来就很顺利。
• 计算平台目前只有linux和mac， 我用centos7 都是直接make安装，不到10分钟装好。虚机上也能非常快。
• 语料的准备是重中之重，不论采用哪种方式进行文本分类，都需要训练集和测试集。我是手工准备了1万条记录作为标准语料。后续会进入自我学习的循环，依靠用户体验，不断更新语料的正确分类，作为训练的输入。语料一定要做常规的处理：尽可能裁剪掉不必要的信息，添加自定义分词词典，去掉自定义的停用词。
• 调优的工作能达到不错的效果，其实调优就是调整下参数，最简单的一步。如果计算速度快，调优也很快。