在文本分类中，如何对不属于“未知”类别的文本进行分类？

Question

我正在解决一个NLP问题，将文本分为四类。1.体育2.娱乐3.占星术4.未知

我已经为体育、娱乐、占星术创建了一个训练数据集。但是如何为“未知”类别创建训练数据集，或者如何将不属于前三个类别的文本分类到最后一个类别，即“未知类别”？

Answer 1

我会选择不属于前3类中任何一类的文档/文本。

这里有一个重要的问题，与每个其他类中的文档数量相比，文档的数量可能会非常高，所以您可能想要做的是对该Unknown类进行子采样(例如，随机选择一些文档)。