詳細解釋
文本分類（Text Classification）是將文本自動歸類到預定義類別的NLP任務，廣泛應用於內容審核、垃圾郵件檢測和主題分類。
分類類型：
- 二元分類：是/否（垃圾郵件檢測）
- 多分類：選擇一個類別（主題分類）
- 多標籤：可歸多個類別（新聞標籤）
- 層級分類：類別有層級關係
應用場景：
- 垃圾郵件：檢測垃圾郵件和釣魚郵件
- 情感分析：正面/負面/中性
- 主題分類：新聞歸類（體育、科技等）
- 內容審核：檢測違規內容
- 意圖識別：客服對話分類
- 語言檢測：識別文本語言
技術演進：
- 傳統：TF-IDF + SVM/朴素貝葉斯
- 深度學習：卷積神經網絡 (CNN)、循環神經網絡 (RNN)文本分類
- 預訓練模型：BERT (雙向編碼器表示)微調
- LLM時代：大型語言模型 (大語言模型 / 大模型)零樣本分類
評估指標：
- 準確率：整體分類正確率
- 精確率/召回率：權衡誤報和漏報
- F1分數：綜合衡量
實現工具：Scikit-learn、Hugging Face Transformers、OpenAI API。