中文新闻分类全栈实践：ML到BERT蒸馏
覆盖随机森林、FastText、BERT及知识蒸馏四条技术路线的中文新闻分类项目，含18万条语料和Flask部署方案。适合需要快速对比传统方法与深度学习落地效果的工程团队参考。
This is a text classification project based on the "Category News" feature of Toutiao. Initially, we used the random forest algorithm, then upgraded to FastText, and finally built a new text classification model using a BERT pre-trained model with an added fully connected layer.There may still contain several bugs—let's work together to fix them.
做中文NLP落地的团队常面临一个尴尬：GitHub上要么是纯学术的SOTA复现，要么是 toy demo 级别的教程，能直接对比 TF-IDF、FastText、BERT 同一数据集效果的项目很少见。这个项目把四条路线跑通了，还补了动态量化和 Flask 部署，对要做技术选型报告的团队很实用。
不过要注意两个坑：一是作者明确说蒸馏方案有问题待修，生产环境别直接用；二是 BERT 模型需自行去官网下载，国内用户得换源。如果你正纠结"小场景要不要上 BERT"，跑一遍它的 benchmark 比看十篇博客管用。
中文NLP教学型项目，覆盖传统到深度学习全技术路线对比
独特价值：提供18万中文语料与四条路线完整对比，含Flask部署方案