1朴素贝叶斯文本分类
闭卷重建朴素贝叶斯文本分类的对象、公式、算例、算法与失败边界。
自然语言处理 · 小纸条
选一章打印。双面打印（按长边翻页）后沿虚线剪开，每张卡片正面题目、背面答案。
第 1 页 · 正面（题目）
2逻辑回归与稀疏文本特征
闭卷重建逻辑回归与稀疏文本特征的对象、公式、算例、算法与失败边界。
3TF-IDF、特征选择与泄漏
闭卷重建TF-IDF、特征选择与泄漏的对象、公式、算例、算法与失败边界。
4主题模型与LDA
闭卷重建主题模型与LDA的对象、公式、算例、算法与失败边界。
5关系抽取与实体对
闭卷重建关系抽取与实体对的对象、公式、算例、算法与失败边界。
6事件抽取与论元结构
闭卷重建事件抽取与论元结构的对象、公式、算例、算法与失败边界。
7不平衡、校准与业务阈值
闭卷重建不平衡、校准与业务阈值的对象、公式、算例、算法与失败边界。
第 1 页 · 背面（答案）
对象：逻辑回归对TF-IDF或其他特征做线性判别并输出sigmoid概率；正则控制高维过拟合。；公式：P(y=1|x)=1/(1+exp(-(w·x+b)))。；算例：logit=0时概率.5。；边界：未标准化连续特征支配文本特征；在测试集选择阈值。。
对象：多项式NB用类别先验和条件词概率累加对数分数，条件独立虽不真实但可形成强基线。；公式：score(c)=log P(c)+Σ count(w)log P(w|c)。；算例：先验对数-.7，两个词贡献-.3和-.5，总分-1.5。；边界：用测试文档更新词概率；未登录词概率为零。。
对象：LDA假设文档混合主题、主题生成词，用潜变量解释共现；主题数和可解释性不等于真实本体。；公式：P(word|document)=Σ_topic P(word|topic)P(topic|document)。；算例：文档主题权重.7/.3，词在两主题概率.2/.6，总概率.32。；边界：人工给主题命名后当因果类别；用困惑度最低宣称最可解释。。
对象：TF-IDF降低全局常见词权重，词表、IDF和特征选择只能在训练数据拟合。；公式：idf=log(N/(df+offset)) under declared smoothing。；算例：N=100、df=10，未平滑自然对数idf=ln10。；边界：全数据算IDF和卡方选择；文档长度处理口径不一致。。
对象：事件包含触发词、类型、论元、角色和时间/地点，跨句共指与多事件重叠使评价复杂。；公式：event exact match requires trigger+type+declared arguments。；算例：“公司昨日收购工厂”触发“收购”，公司/工厂/昨日分别是买方、标的、时间。；边界：只检测触发就称事件完成；同一论元绑定错事件。。
对象：关系抽取在实体对和上下文上预测类型，需处理方向、无关系类、跨句和实体错误传播。；公式：relation instance=(arg1 span,arg2 span,direction,context,label)。；算例：“甲收购乙”中acquire(甲,乙)方向不能反转。；边界：只在含关系句上训练导致无关系失真；实体跨度错仍算关系对。。
对象：文本任务常有稀有正类和代价不对称；采样/权重改变训练分布，部署需校准并按成本选阈值。；公式：expected cost=FP×cost_FP+FN×cost_FN。；算例：FP=10成本1、FN=3成本5，总成本25。；边界：只优化准确率；重采样后直接把概率当真实先验。。