大家approach text classification的问题的时候会选什么模型？

比如sentiment analysis，会用logistic regression作为baseline吗？
然后根据dataset的大小选择是用sequence model还是n-gram model吗？
还有什么需要考虑的？

以前都是fastcnn，高效收敛快。现在都是无脑bert/roberta/T5的

根据数据和需求决定，如果text较短的话，例如Tweets，CNN是个不错的选择。 如果长的话，sequential relation 就不能忽视了，相比rnn的话，建议尝试transformer，更快。
目前有很多pretrain的model可以用来替代embedding layer， 例如elmo，bert，xlnet都是不错的选择。

传统学习：  lr/linear-svm/nb/nb-svm, 深度学习：textCnn短文本, rnn系列的作长文本

2020年无脑bert