版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/xianqianshi3004/article/details/88062291
初试数据：
数据包含2个csv文件：
train_set.csv：此数据集用于训练模型，每一行对应一篇文章。文章分别在“字”和“词”的级别上做了脱敏处理。共有四列：
- 第一列是文章的索引(id)，
- 第二列是文章正文在“字”级别上的表示，即字符相隔正文(article)；
- 第三列是在“词”级别上的表示，即词语相隔正文(word_seg)；
- 第四列是这篇文章的标注(class)。
注：每一个数字对应一个“字”，或“词”，或“标点符号”。“字”的编号与“词”的编号是独立的！
test_set.csv：此数据用于测试。数据格式同train_set.csv，但不包含class。
注：test_set与train_test中文章id的编号是独立的
因为数据的每一行包括字的组合和词的组合，两者之间没有相关性，所以我打算在以后的数据数理中主要处理词，以为词才能更好的把文章的意思表达处理。
接下来让我们来看看数据：
