algorithm - 您如何根据文本内容进行分类？

Question

如何根据内容自动查找文本类别？

Answer 1

我鼓励您查看与Natural Language Toolkit捆绑的文本分类库。即使您不熟悉 Python，我想您也会发现该 API 相当直观。NLTK Book中有很多很好的例子，邮件列表中的人也很有帮助。

Answer 2

1. 阅读数据挖掘：实用机器学习工具和技术- Ian H. Witten，Eibe Frank
2. 使用Weka或Orange

Answer 3

进行文本分类的最简单方法是使用词袋表示。每个文档中的单词/ n-gram 单词可以用作特征。有了这个，您可以将每个文档表示为度量空间中的向量。随后，您可以将聚类应用于内容相似的文档组。例如，您可以使用带有这些向量的 k-means 聚类来将词汇相似的文档聚类在一起。

基于 Python 的文本挖掘工作台，NTLK非常适合快速尝试此类任务（通常，python 非常适合处理文本）。您可能会发现它很有用。

Answer 4

有一篇关于此的好论文：http ://www.cs.utexas.edu/users/hyukcho/classificationAlgorithm.html

Answer 5

对内容（无论是文本还是多媒体）进行分类的最佳方法是使用分类法。大多数著名的 CMS 都内置了对分类法的支持。在各种 CMS 中，Drupal是对分类法最好的支持之一。