具有多个列和合并列的特征向量X上的文本分类

Question

我正在研究文本分类问题，其中大约有95个数据点，数据看起来像这样（仅显示了两个虚拟条目）：

                           |   ID    | Location |  Emails     |
                           ------------------------------------
                           |  AZ12   |    UK    | Lorem Ipsum |
                           |  MR34   |    USA   | Lorem Ipsum |

在我目前的方法中，我将数据合并为.csv，以空格分隔（如下所示），并且仅使用一列进行文本分类。

                                |     Merged_columns    |
                                -------------------------
                                |  AZ12 UK Lorem Ipsum  |
                                |  MR34 USA Lorem Ipsum |

这种方法似乎对我有用，并且我得到的测试数据的准确度大约为70％。

现在，我正在考虑对我的特征向量（X）的多列执行文本分类，而不是将X向量的所有列合并为一列（例如通过对X向量的各个列执行特征工程，然后将转换后的向量进行级联）在本文中也提到了这种方法：https://towardsdatascience.com/natural-language-processing-on-multiple-columns-in-python-554043e05308）。

现在我的问题是：在NLP方面，两种方法在理论上是等效的。如果后一种方法比我以前的方法能产生更好/最差的结果。 谢谢。