文本分类有哪些模型？｜腾讯算法面经解析

60 秒回答模板

可以这样回答：文本分类可以从传统机器学习到深度模型分层回答：朴素贝叶斯、LR/SVM 配 TF-IDF 适合轻量基线；TextCNN 捕捉局部 n-gram；RNN/LSTM 建模序列；Transformer/BERT 通过上下文表示处理语义和长距离依赖。传统方案先分词、清洗、向量化，再训练线性分类器；深度方案用 embedding 或预训练模型得到 token 表示，再经过 CNN/RNN/attention/pooling 和分类头输出类别概率。线性模型快、可解释、低资源；BERT 类模型效果强但推理成本高、需要蒸馏或缓存；小样本和类别不平衡时要结合数据增强、阈值和人工标注质量。要讨论中文分词、OOV、长文本截断、多标签、类别不平衡、领域迁移、线上延迟和可解释性。不能只列模型名。验证时重点看：看 macro/micro F1、PR-AUC、混淆矩阵、长尾类别召回、线上延迟、误判样本和校准曲线。

考点 考点边界

主线 核心机制

易错点 只背“文本分类模型选择”的结论，漏掉关键步骤：传统方案…

深入解析

考点边界

这题必须围绕“文本分类模型选择”本身回答，不能套相邻大类模板。先给定义或目标，再展开机制、边界、取舍和验证抓手。回答时要主动点出题面关键词对应的对象、输入输出和约束条件，避免把具体问题讲成宽泛复习提纲。本题对应“文本分类模型选择”，核心前提是：文本分类可以从传统机器学习到深度模型分层回答：朴素贝叶斯、LR/SVM 配 TF-IDF 适合轻量基线；TextCNN 捕捉局部 n-gram；RNN/LSTM 建模序列；Transformer/BERT 通过上下文表示处理语义和长距离依赖。

核心机制

传统方案先分词、清洗、向量化，再训练线性分类器；深度方案用 embedding 或预训练模型得到 token 表示，再经过 CNN/RNN/attention/pooling 和分类头输出类别概率。关键证据要落到训练目标、特征流、损失函数、指标变化，这样才能说明机制为什么能支撑题目结论。如果继续展开，要说明样本、特征、损失函数、参数更新和评估指标如何互相影响，以及哪一环最可能导致泛化失败。

关键取舍

线性模型快、可解释、低资源；BERT 类模型效果强但推理成本高、需要蒸馏或缓存；小样本和类别不平衡时要结合数据增强、阈值和人工标注质量。因此需要同时比较离线指标、线上收益、样本覆盖、推理延迟和资源成本，不能只看单次训练分数。这些取舍决定了方案在不同输入规模、延迟、内存、并发、泛化或一致性要求下是否仍然成立。

边界风险

要讨论中文分词、OOV、长文本截断、多标签、类别不平衡、领域迁移、线上延迟和可解释性。不能只列模型名。排查时优先看训练/验证差距、分桶指标、错误样本、数据泄漏、长尾覆盖和线上分布漂移。需要特别关注极端输入、数据分布变化、资源不足、并发竞争或观测口径错误带来的退化。修复时要分别验证数据切分、特征处理、训练配置和线上反馈，避免把泄漏、漂移或长尾问题误判成模型本身缺陷。

验证抓手

验证时要同时看离线指标、线上分桶效果、错误样本和资源开销。只说 accuracy 或只说训练技巧都不完整，最好补充 AUC、F1、PR 曲线、校准、延迟和可解释性等维度。针对本题，最有价值的验证信号是：看 macro/micro F1、PR-AUC、混淆矩阵、长尾类别召回、线上延迟、误判样本和校准曲线。把验证抓手说出来，可以让答案从知识点延伸到模型训练、评估和上线判断。

易错点

只背“文本分类模型选择”的结论，漏掉关键步骤：传统方案先分词、清洗、向量化，再训练线性分类器；深度方案用 embedding 或预训练模型得到 token 表示，再经过 CNN/RNN/attention/pooling 和分类头输出类别概率。
没有说明“文本分类模型选择”的失败边界：要讨论中文分词、OOV、长文本截断、多标签、类别不平衡、领域迁移、线上延迟和可解释性。不能只列模型名。
把相邻概念混用，没有明确说明这道题真正考察的边界。
没有给出验证方式，导致答案听起来完整但无法判断是否真的生效。

面试官追问

TF-IDF+LR 和 BERT 文本分类怎么取舍？

TF-IDF+LR 训练快、可解释、延迟低，适合强关键词和资源有限场景；BERT 语义表达强，适合上下文和迁移，但推理成本高，常需要蒸馏、截断和缓存。

长文本和多标签分类会改变哪些设计？

长文本要处理截断、分段聚合或长序列模型；多标签要用 sigmoid 多头输出和每类阈值，而不是 softmax 单标签。评估也要看 micro/macro F1 和长尾类别召回。

“文本分类模型选择”追问实现细节时，应该展开哪条链路？

文本分类可以从传统机器学习到深度模型分层回答：朴素贝叶斯、LR/SVM 配 TF-IDF 适合轻量基线；TextCNN 捕捉局部 n-gram；RNN/LSTM 建模序列；Transformer/BERT 通过上下文表示处理语义和长距离依赖。面试官继续追问时，应该沿着这条机制展开：传统方案先分词、清洗、向量化，再训练线性分类器；深度方案用 embedding 或预训练模型得到 token 表示，再经过 CNN/RNN/attention/pooling 和分类头输出类别概率。

“文本分类模型选择”怎么验证结论没有答偏？

优先给出能观察或推导的证据：看 macro/micro F1、PR-AUC、混淆矩阵、长尾类别召回、线上延迟、误判样本和校准曲线。同时补充失败边界：要讨论中文分词、OOV、长文本截断、多标签、类别不平衡、领域迁移、线上延迟和可解释性。不能只列模型名。

“文本分类有哪些模型”继续追问时最该补哪条边界？

应该围绕“文本分类模型选择”补适用前提、失败场景和验证证据。先说明哪些条件下这个机制成立，再说明哪些输入规模、并发状态、数据分布或资源限制会让答案需要调整。