使用selenium进行数据爬取，使用字典树，jieba，hanlp，PCA进行数据处理，使用朴素贝叶斯，SVM，LightGBM，BiLSTM，TextCNN，BERT等模型进行建模，使用折交叉验证，warm-up 等训练技巧，使用word2vec，Tfidf ，词袋，Bert来表示词向量。
模型效果：
| 模型 | 测试集最好分数 |
|---|---|
| 朴素贝叶斯（交叉验证的词袋表示） | 0.861 |
| 支持向量机（折交叉验证） | 0.875 |
| BiLSTM（预训练模型+warm-up） | 0.885 |
| TextCNN（预训练模型） | 0.903 |
| BERT（warm-up） | 0.88 |
深度学习模型来进行新闻分类，使用的模型有Bert，TextCNN，BiLSTM。词向量的表示使用预训练模型Word2vec
使用机器学习的方法进行新闻分类，使用的模型有朴素贝叶斯、SVM、LightGBM。词向量的表示词袋、Tfidf、Word2vec（utils中的Text2vec方法）
使用selenium的爬虫，爬取的澎湃新新闻的数据
一些封装的函数。vocab是词典。Trie是字典树。utils里面是函数的封装：分词函数、基于字典树的停用词过滤、Tetx2vec、TokenEmbedding、网络训练、数据加载函数、数据处理函数