我遇到了有关快速文本如何工作的理解问题。
我创建了一个分类器，用于对3个标签（我们将其称为食品，汽车和城市）之间的句子进行分类。
现在让我们想象一下我想预测一个句子的标签。如果我对“香蕉福特”进行预测，则概率为[（'food'，0.998047），（'car'，1.95313e-08），（'city'，1.95313e-08）]，但如果我做出预测对于“福特香蕉”，概率变为[（'car'，0.998047），（'food'，1.95313e-08），（'city'，1.95313e-08）]。我必须补充说，福特和香蕉在各自的火车上。 Fasttext难道不应该给我两个时间每个标签大约50％的预测吗？ Fasttext似乎几乎总是能预测出具有99.8047％概率的标签，并且很少会在两个或更多标签之间进行划分。
我似乎也有一个标签，每当预测句子（或它的ngams）不在训练集中或与数据集中的某个项目不接近时，总是返回相同的标签，例如汽车。您知道fasttext是否总体上偏爱标签吗？
如果你们对为什么会这样的想法有所了解，或者您建议我阅读一篇有关fasttext如何预测其标签的文章，我将不胜感激！
谢谢
亚瑟