group similar category, change category to general category
all category in list become category[0]
[['thế giới', 'thế giới đó đây'],
['thời sự', 'trong nước'],
['thể thao', 'bóng đá trong nước', 'bóng đá quốc tế', 'bóng đá việt nam', 'tin chuyển nhượng', 'các môn khác', 'ngoại hạng anh'],
['sức khỏe', 'sức khoẻ 24h', 'ung thư', 'tình yêu - giới tính'],
['kinh tế', 'kinh doanh', 'tài chính - kinh doanh', 'thị trường', 'tài chính', 'đầu tư', 'doanh nhân'],
['văn hóa - giải trí', 'giải trí', 'thế giới sao', 'thời trang', 'game', 'nhạc', 'phim', 'văn hóa'],
['xã hội', 'chính trị', 'pháp luật', 'ký sự pháp đình', 'hồ sơ vụ án', 'an toàn giao thông'],
['nhịp sống trẻ', 'giới trẻ', 'gương mặt trẻ'],
['giáo dục', 'giáo dục - khuyến học', 'tuyển sinh', 'góc phụ huynh'],
['đời sống', 'gia đình', 'tấm lòng nhân ái', 'chuyện lạ', 'tấm lòng việt'],
['công nghệ', 'sức mạnh số', 'khoa học - công nghệ', 'khoa học', 'tin công nghệ', 'sản phẩm'],
['ô tô - xe máy', 'xe'],
['cần biết', 'bạn cần biết'],
['bạn đọc', 'góc khán giả'],
['du lịch', 'khám phá'],
['truyền hình'],
['việc làm'],
['chuyển động 24h'],
['bất động sản', 'nhà đất', 'dự án']]
159153 thế giới
156206 văn hóa - giải trí
155818 xã hội
154270 thời sự
143004 thể thao
122129 kinh tế
102888 sức khỏe
99273 giáo dục
81008 công nghệ
78659 đời sống
69820 nhịp sống trẻ
use under sampling for imbalance data problem, maximum number of record is 100000 or 100k