遵循构建分类器的想法，一种选择是在您拥有具有所需进程类别的标记数据集后，将nltk 库与Keras-Tensorflow一起使用。您可以采用两种主要方法：

• 词袋
• 序列建模

作为使用第一种方法在文本分类器中实现的步骤的快速恢复，您可以遵循以下步骤（您可以在此处找到一个有效的噘嘴示例）：

• 阅读并检查您的原始输入句子（用于训练、验证......）是否具有正确的格式和正确的标签，例如：
• 根据需要预处理你的句子，可能是这些步骤：
  - 小写所有单词
  - 删除标点符号
  - 标记你的单词（在这里，你可以定义你是否想要 1-gram 标记，2-gram 标记......）
  - 阻止你的单词（为了消除单数/复数，动词时态......（这一点并不总是直截了当，因为像 PorterStemmer、SnowballStemmer 这样的词干分析器可能会根据所选语言提供不同的性能），更多信息在这里
  - 添加更多自定义步骤您的用例，上面的那些是标准的，但是您可以过滤您知道不会为您的用例提供价值的句子

• 一旦你预处理了你的输入数据，你应该能够访问你的词汇表，得到类似的东西：

  

  你已经准备好对你的句子进行矢量化，最终得到如下结果：

• 构建您的分类器，您可以在其中尝试不同的模型，例如卷积神经网络、双向 LSTM、变压器模型……