本项目旨在对中文文本进行多类别分类，支持多种特征工程与模型方案，包括TF-IDF、词向量（Qwen3-Embedding）、BERT等，适用于文本分类任务的快速实验与对比。
main.py：主程序入口，支持多模型方案的训练与预测。src/：核心代码目录utils.py：通用工具、基类、QwenEmbedder向量化等dl/bert_base.py：BERT系列深度学习分类器tfidf/：TF-IDF特征下的多种分类器（SVC、Logistic、RF、Voting等）llm/：大模型相关代码
data/：数据目录dataset/：包含train_all.csv（训练集）、test_text.csv（测试集）result/：存放预测结果
ckpts/：模型检查点config/：配置文件目录wandb/：训练日志与可视化
建议使用Python 3.12+，推荐使用 uv 管理环境，安装依赖：
uv sync- 训练集：
data/dataset/train_all.csv，包含文本和类别字段 - 测试集：
data/dataset/test_text.csv，包含文本字段 - 预测结果输出至
data/result/目录
- TF-IDF + SVC/Logistic/RF/Voting：传统机器学习方法，基于分词与TF-IDF特征
- Qwen3-Embedding + SVC：调用Qwen3-Embedding-0.6B API进行文本向量化，SVC分类
- BERT（MacBERT等）：基于transformers的深度学习文本分类
- 准备好数据集，放置于
data/dataset/ - 安装依赖
- 运行主程序：
python main.py- 预测结果与F1分数将输出到
data/result/目录
- pandas, numpy, scikit-learn, jieba
- transformers, datasets, torch
- openai（Qwen3-Embedding API）
- wandb（可选，训练可视化）
- 支持多模型方案自动对比，主程序会依次输出各方案的F1分数与预测结果
- BERT方案支持断点续训与wandb日志
- ticoAg（1627635056@qq.com）
如有问题或建议，欢迎联系贡献者邮箱。