基于NGrams的二元分类

Question

我想从两组用户（0/1）中提取tweet的ngram，为二进制分类器生成如下CSV文件

user_tweets, ngram1, ngram2, ngram3, ..., label
1, 0.0, 0.0, 0.0, ..., 0
2, 0.0, 0.0, 0.0, ..., 1
..

我的问题是，我是否应该首先提取这两组重要的ngram，然后对我在用户推文中找到的每一个ngram进行评分？还是有更简单的方法