我正在为文本分类任务寻找一个模型。我的样本数量大约是4500个句子，每个句子大约有50个单词。我想把我的文本分为三类，积极类、消极类和中性类。我使用了机器学习(SVM，RF，LR(，我得到了不超过75%的准确率(我也做了预处理部分(。我想在深度神经网络和reccurent方面做一点工作，但我不知道从哪里开始。为了达到最大的准确性，你有什么建议？我应该期望多大的准确性？(p.s我使用python(
4500句话，每句50个单词的长度对于深度架构来说是不够的。你可以试着弄清楚，但我认为这行不通
有了这么多数据，我建议你对你尝试过的算法(SVM、RF…(在参数调整和单词嵌入上下更多的功夫。你是如何在数字空间中表示数据的？用非最先进的方法进行良好的嵌入仍然可以显示出惊人的效果
关于准确性预期的问题，如果我没有看到数据，我就无法告诉你这些信息。但是，根据我自己的经验，一个三类文本分类问题，每个句子不太长，可以以80%到90%，甚至98%的准确率来解决。这在很大程度上取决于您的数据的本质
正面/负面/中性文本/评论分类是一项非常常见的任务，网络上有许多数据集。您可以使用其中的一些，并扩展您的训练数据集。或者尝试使用基于它们的预训练模型。