16万条评论文本分类：如何确定数据量划分？

确定数据量的划分是一个很重要的问题。以下是一种可能的方法：\n\n1. 选择一小部分数据进行人工标注：从你的16w条评论文本中，随机选择一小部分数据，比如1000条或者5000条，进行人工标注。这些数据将作为你的训练集和测试集。\n\n2. 训练和评估SVM模型：使用上一步中标注好的数据，训练一个SVM多分类模型，并使用测试集进行评估。通过评估结果，可以对模型的性能进行初步了解。\n\n3. 评估模型在未标注数据上的性能：使用训练好的SVM模型，对剩余的未标注数据进行预测，并计算预测结果的准确率或其他评估指标。可以选择一部分数据进行预测，也可以选择全部数据进行预测。\n\n4. 根据评估结果确定数据量划分：根据第3步中的评估结果，可以判断模型在未标注数据上的性能是否已经达到你的要求。如果模型的性能已经足够好，你可以选择不再进行更多的人工标注，直接使用该模型对剩余的数据进行分类。如果模型的性能不够好，你可以继续增加人工标注的数据量，重新训练模型，并再次评估性能。\n\n重复以上步骤，直到模型的性能达到你的要求为止。这样可以在保证分类准确性的同时，尽量减少人工标注的工作量。