SNLI数据集的句子分类

Question

我正在使用SNLI数据集here进行句子分类任务。此数据集包含两个句子，需要判断第二句是否需要，与相矛盾<或> 中性。

出于分类目的，我已经实现了基于共生矩阵的SVM分类，其准确度大约为70％。

有人可以建议任何其他与NLP相关的分类策略，即使用bigrams或trigrams，因为我需要提出一些基线。

Answer 1

您应该考虑使用k-means聚类，这对于此类任务可能听起来有些不同寻常，但是将其用作以下内容，您可能会获得可靠的基线结果。

1. 在训练集中取每个类别的单词向量平均值，在您的情况下，您最终会得到三个向量，并使用它来训练k均值为k = 3的k-means模型。
2. 然后，确定哪个＆＃34;标签＆＃34;对应于每个类别（例如，通过预测我们刚刚计算并查看每个标签的三个平均向量的类别），使用该模型预测您的测试集。

（可选）您可以通过在训练数据上运行PCA来进一步提高模型的准确性。这基本上使您的功能无关，这可以减少噪音。