基于tensorflow+CNN的搜狐新闻文本分类-附件资源

数据挖掘：基于朴素贝叶斯定理的文本分类实践（Java）

本语料库由复旦大学李荣陆提供。test_corpus.rar为测试语料，共9833篇文档；train_corpus.rar为训练语料，共9804篇文档，两个预料各分为20个相同类别。训练语料和测试语料基本按照1:1的比例来划分。（使用时尽量注明来源（复旦大学计算机信息与技术系国）

基于文本分类的信息检索模型，丁志刚，王小捷，本文探索了如何利用信息文本分类对检索系统结果进行改善。首先，根据特定的分类集分别对待检索文档和检索条件进行数据建模；讨论

基于tensorflow+CNN的报警信息短文本分类-附件资源

有搜狗分类新闻语料库得出的libsvm格式数据，特征词选择方法为IG，更多了解请参阅个人博客http://hi.baidu.com/finallyliuyu/home 查阅相关文章

通过对数据进行分词、停词过滤、TfidfVectorizer/CountVectorizer处理，利用sklearn中是逻辑回归对THUCNews进行分类，包含数据集

KNN算法是比较适合于文本分类的一种分类算法，但由于其计算复杂度会随着训练集规模的增加而线性增加，从而限制了它的实际应用效果．通过改变对近邻点的搜索策略，提出了一种改进型的KNN算法．该算法在对最近邻的选择过程中，放弃传统算法中遍历所有样本的做法，而是通过逐渐逼近的思想来寻找最近邻点．实验证明，该方法在保持和传统的 KNN算法几乎一样的精度性能前提下，可以明显降低算法的计算复杂度，降低时间开销，取得了较满意的结果．

中文自然语言处理文本分类语料，共15个分类，类别包括财经、电竞、房产、国际、教育、军事、科技、旅游、民生、农业、汽车、体育、文化、娱乐、证券

文字分类器 此仓库是基于Tensorflow2.3的文本分类任务，分别支持： 随机初始单词嵌入+ TextCNN 随机初始词嵌入+注意+ TextCNN 随机初始单词嵌入+ TextRCNN Word2Vec + TextCNN Word2Vec +注意+ TextCNN Word2Vec + TextRCNN 伯特嵌入（没有微调，直接取向量）+ TextCNN Bert嵌入（没有微调，直接取向量）+ TextRCNN 代码支持二分类和多分类，此项目基于爬取的游戏评论正是个二元的情感分类作为演示。 环境 python 3.6.7 张量流== 2.3.0 gensim == 3.8.3 杰巴== 0.42.1 sklearn == 0.0 其他环境见requirements.txt 更新历史 日期 版本 描述 2018-12-01 v1.0.0 初始仓库 2020-10-