基於深度學習技術的文本分類技術比起傳統的文本分類模型，例如 LR，SVM 等，有什麼優勢呢？

本題已加入圓桌 ? 數據挖掘應用，更多「數據挖掘」相關的話題歡迎關注討論

個人拙見：首先，最明顯的優勢，深度學習不需要人工手動的提取文本的特徵，它可以自動的獲取基礎特徵並組合為高級的特徵，訓練模型獲得文本特徵與目標分類之間的關係，省去了使用TF-IDF等提取句子的關鍵詞構建特徵工程的過程，實現端到端。其次，相比傳統的N-gram模型而言，深度學習中可以更好的利用詞序的特徵，CNN的文本分類模型中的filter的size的大小可以當做是一種類似於N-gram的方式，而RNN（LSTM）則可以利用更長的詞序，配合Attention機制則可以通過加權矩陣體現句子中的核心辭彙部位，attention最早是用於自動翻譯中實現對應辭彙對齊及可視化的功能。

1.免去了人工特徵提取的過程。整個深度網路具備了特徵抽取的能力，因此可以一步到位。

2.深度學習中可以更好的利用詞序的特徵，而傳統的分類方法沒有用到整個。

3.隨著樣本的增加和網路深度的增加，深度學習的分類精度會更高。