Python 一个大型或多个小型文本分类模型

我正在对标记为数千个类别/子类别（与amazon产品数据集非常相似）的大型文本数据库（数百万个文本）进行分类

我的问题是，如果我能通过创建多个模型（例如

• 获取主类别的一个模型（一个主模型）
• 为每个主要类别分别建立模型，以获得最终的子类别。（多种型号）
  相比

• 一个巨大的模型覆盖所有文本和所有子类别

我想知道，对于一个模型来说，主类别及其子类别的文本中使用的词汇是否更容易（并且更小）和更精确？但是，如果主模型预测了错误的主类别，那么对正确的子类别的搜索将没有机会预测正确的结果

这方面有研究吗？ 有什么经验吗？

---

非常感谢

不了解研究，但可以建议首先对主模型使用精度和召回矩阵（使用多种建模技术），如果所有类别的任何模型给出的精度和召回值都高于阈值，比如说99.5%，那么你就必须接受你的想法。如果你没能做到这一点，别担心，试试另一种方法，那就是尝试和观察。还有什么事请告诉我。谢谢。

目前约占75-83%。问题是，有些子类别是“稀疏”的，这意味着它们没有分配给它们的许多文本，而其他子类别则有“数千”个文本，因此模型总是更容易与这些类别中的一个“匹配”。每个文本只属于一个类别，因此没有召回/精确性，对吗？如果文本分配正确，则计入准确性，不存在误报/误报。