← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9839.a · 生成模型:Hunyuan

文本分类的任务与训练数据

理解等级:初级

文本分类要为每个文档找到它所属的正确类别(主题或概念)。它和更一般的分类任务一致:先把数据对象归入预定类别,再按类别分别处理。要让机器完成这件事,必须先给出一组类别,再围绕这些类别收集文本构成训练集;训练集中既有已分好类的文件,也有对应的类别信息,二者缺一不可。有了训练数据,分类器才能从示例中归纳出什么样的文本属于哪一类的规律。互联网时代这一能力被用在文本检索、垃圾邮件过滤、网页分层目录、自动生成元数据、题材检测等场景,成为文本挖掘中最基础也应用最广的核心技术。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第2章 中文文本分类 · 查看原书依据

      可以说,在分析机器学习的数据源中最常见的知识发现主题是把数据对象或事件转换为预定的类别,再根据类别进行专门的处理,这是分类系统的基本任务。文本分类也如此,其实就是为用户给出的每个文档找到所属的正确类别(主题或概念)。

    参考来源

    - 位置:《机器学习算法原理与编程实践》第2章 中文文本分类(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00010.html) - 结论依据:原文说明分类系统的基本任务是把对象归入预定类别,文本分类就是为文档找到正确类别,并指出训练集须含分好类的文本与类别信息,支撑本卡对任务与训练数据的界定。 - 原始内容:可以说,在分析机器学习的数据源中最常见的知识发现主题是把数据对象或事件转换为预定的类别,再根据类别进行专门的处理,这是分类系统的基本任务。文本分类也如此,其实就是为用户给出的每个文档找到所属的正确类别(主题或概念)。