文本分类与意图识别基础：定义、区别、常见任务类型与评价指标
文本分类与意图识别是自然语言处理（NLP）中最基础也最具工程价值的两类任务。无论是构建一个客服机器人、舆情监控系统，还是搭建一个内容推荐引擎，都离不开对文本进行结构化归类和语义意图的判断。本章将系统梳理两者的定义与核心区别，剖析情感分析、主题分类、意图分类等常见任务类型，并深入讲解准确率、精确率、召回率与F1值等评价指标的计算逻辑与适用场景，帮助学习者建立扎实的评估框架。
一、核心概念：文本分类与意图识别的定义
文本分类（Text Classification）是指根据文本内容将其自动归入预定义类别的过程。其数学本质是学习一个映射函数 f: X → Y，其中 X 为文本空间，Y 为类别标签集合。例如，将新闻文章分为"体育""财经""科技"等主题，或将用户评论判定为"正面""负面""中性"情感。文本分类是监督学习中最典型的任务之一，其核心挑战在于如何从高维、稀疏、语义复杂的文本特征中提取有效判别信息。
意图识别（Intent Recognition）是对话系统与任务型AI中的关键环节，其目标是判断用户输入语句背后的目的或行动诉求。例如，用户说"帮我订一张明天去北京的机票"，意图是"机票预订"；说"你们发货怎么这么慢"，意图是"投诉"。意图识别通常与槽位填充（Slot Filling）配合使用，共同构成自然语言理解（NLU）模块。与一般文本分类不同，意图识别更关注动作导向和对话上下文，且类别体系往往更细粒度、更贴近业务场景。
二、常见任务类型详解
2.1 情感分析（Sentiment Analysis）
情感分析旨在判断文本中蕴含的主观倾向性，通常分为正面、负面、中性三类，也可细分为多级情感（如1-5星评分）。其应用场景包括电商评论分析、社交媒体舆情监控、产品反馈挖掘等。技术实现上，从早期的情感词典匹配，到基于机器学习（SVM、朴素贝叶斯），再到如今的预训练语言模型（BERT、RoBERTa），情感分析的精度和鲁棒性已大幅提升。但需注意，讽刺、反语、上下文依赖仍是情感分析的难点。
2.2 主题分类（Topic Classification）
主题分类是将文本归入预定义的主题类别，如新闻分类（政治、经济、体育）、邮件分类（工作、个人、垃圾邮件）、文档归档（法律、医疗、教育）。与情感分析不同，主题分类通常不涉及情感极性，而是关注文本的内容领域。主题分类的挑战在于类别间可能存在语义重叠（如"科技"与"互联网"），且长尾主题样本稀疏。实践中常采用层次分类（Hierarchical Classification）策略，先粗粒度分类再细粒度细分。
2.3 意图分类（Intent Classification）
意图分类是对话AI的核心组件，常见于客服机器人、语音助手、智能家居控制等场景。意图类别通常由业务需求定义，例如：查询余额、转账、缴费、投诉、咨询、预约等。意图分类与槽位填充紧密耦合，例如"帮我订明天下午3点的会议室"中，意图是"预订会议室"，槽位包括"时间=明天下午3点""资源=会议室"。意图分类的难点在于用户表达多样性（同一意图可有上百种说法）和意图边界模糊（如"我想看看"可能是查询也可能是购买意向）。
| 任务类型 | 核心问题 | 典型标签示例 | 主要应用 | 技术难点 |
|---|---|---|---|---|
| 情感分析 | 文本表达何种情感倾向？ | 正面/负面/中性 | 舆情监控、评论分析 | 讽刺、反语、隐含情感 |
| 主题分类 | 文本属于哪个内容领域？ | 体育/财经/科技 | 新闻推荐、文档归档 | 类别重叠、长尾分布 |
| 意图分类 | 用户想达成什么目的？ | 查询/预订/投诉 | 对话系统、智能客服 | 表达多样性、上下文依赖 |
三、评价指标：从混淆矩阵到F1值
评价分类模型性能是模型迭代与选型的核心环节。所有指标均基于混淆矩阵（Confusion Matrix）计算。以二分类为例，混淆矩阵包含四个基本元素：真正例（TP）、假正例（FP）、真负例（TN）、假负例（FN）。
3.1 准确率（Accuracy）
准确率是分类正确的样本占总样本的比例，公式为：Accuracy = (TP + TN) / (TP + FP + FN + TN)。准确率直观易懂，但在类别不平衡场景下会严重失真。例如，99%的样本为负类，模型全部预测为负类即可获得99%的准确率，但该模型毫无实用价值。因此，准确率仅适用于类别分布相对均衡的场景。
3.2 精确率（Precision）与召回率（Recall）
精确率衡量预测为正类的样本中有多少是真正的正类：Precision = TP / (TP + FP)。高精确率意味着模型预测的正类"比较可靠"，误报少。召回率衡量真实正类样本中有多少被正确预测出来：Recall = TP / (TP + FN)。高召回率意味着模型"找得全"，漏报少。两者往往此消彼长：提高精确率通常会降低召回率，反之亦然。实际应用中需根据业务场景权衡。例如，垃圾邮件过滤更看重精确率（避免误删正常邮件），而癌症筛查更看重召回率（宁可误诊也不漏诊）。
3.3 F1值（F1-Score）
F1值是精确率与召回率的调和平均数：F1 = 2 × (P × R) / (P + R)。调和平均对较小值更敏感，因此F1值只有在精确率和召回率都较高时才会接近1。F1值综合了精确率与召回率，是类别不平衡场景下最常用的单一评价指标。在多分类任务中，通常采用宏平均（Macro-F1）（各类别F1的算术平均）或微平均（Micro-F1）（全局TP/FP/FN汇总后计算）来评估整体性能。
四、案例拆解：电商客服意图分类模型评估
某电商平台构建了一个智能客服意图分类模型，用于自动识别用户消息的意图类别。初始模型在测试集上的混淆矩阵如下（测试集共1000条样本，意图类别为"退换货"与"其他"）：
| 预测为退换货 | 预测为其他 | |
|---|---|---|
| 实际为退换货 | 180（TP） | 20（FN） |
| 实际为其他 | 50（FP） | 750（TN） |
基于该混淆矩阵计算指标：
- 准确率 = (180 + 750) / 1000 = 93%
- 精确率 = 180 / (180 + 50) = 78.3%
- 召回率 = 180 / (180 + 20) = 90%
- F1值 = 2 × (0.783 × 0.9) / (0.783 + 0.9) ≈ 83.7%
从指标看，准确率93%看似不错，但精确率仅78.3%，意味着每100个被判定为"退换货"的请求中约有22个是误判。这些误判会被路由至退换货处理流程，造成人工客服资源浪费。进一步分析发现，误判样本多包含"退货""退款""换货"等关键词，但实际意图是"咨询退货政策"而非"发起退换货"。优化措施包括：增加"咨询退货政策"意图类别、引入上下文特征（如用户是否已下单）、使用BERT等预训练模型捕捉语义差异。优化后，精确率提升至86%，召回率保持90%，F1提升至87.9%，人工客服转接量下降18%。
五、总结与复盘
本章系统梳理了文本分类与意图识别的定义、区别、常见任务类型及评价指标体系。核心要点可归纳为：文本分类是通用任务，意图识别是面向对话场景的专用任务；情感分析、主题分类、意图分类各有其技术侧重点与应用场景；评价指标中，准确率直观但易受类别不平衡影响，精确率与召回率需结合业务场景权衡，F1值作为综合指标在多数情况下是首选。在实际项目中，建议先明确业务目标与代价矩阵，再选择合适的评价指标，并针对薄弱类别进行专项优化。