当一个主题太宽而另一个主题太窄时,如何平衡主题、两个类数据集?

我有一个简单的预测,数据集由2300个样本组成,每个类e.i.总计=4600(二进制分类)。第一个类包含除另一个类之外的所有新闻类型,这是一个非常狭窄的主题。我用过 Naive-Bayes classifier 执行任务,其中分类器获取一个热编码的样本。尽管该分类器在数据集的测试部分表现良好(94%的准确率),但当它对爬行新闻(在生产中)进行分类时失败得很惨。 我认为这个问题是因为这两个类在实际中是不平衡的。如果这是原因,那么,如何克服这个问题呢?如何平衡我的数据集?假设我可以为广类(A)另外收集许多样本,但是对于窄类(B),只有非常少量的样本。