原书出处
机器学习算法原理与编程实践
02 第2章 中文文本分类
技术和流程,主要包括以下几个步骤。 (1)预处理:去除文本的噪声信息,例如HTML标签、文本格式转换、检测句子边界等。
(2)中文分词:使用中文分词器为文本分词,并去除停用词。 (3)构建词向量空间:统计文本词频,生成文本的词向量空间。 (4)权重策略——TF-IDF方法:使用TF-IDF发现特征词,并抽取为反映文档主题的特征。 (5)分类器:使用算法训练分类器。 (6)评价分类结果:分类器的测试结果分析。
建议使用Windows 7环境开发,我们的项目根路径为“X:\WorkSpace\Tex Classification
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00010.html
EPUB SHA-256:70d8d79af4c27e857a132f2bb0cf0dbfa14854fa17c13eacb72320d7c9bf315d