textclassify 利用bow（词袋特征）、tfidf、word2vec进行中文文本分类 下图为部分数据集 第一列为分类标签，第二列为文本数据，是关于七类文学作品的简介 requirements gensim sklearn bow accuracy=0.918533,precision=0.918528,recall=0.918533,f1=0.918515 tfidf accuracy = 0.931081, precision = 0.931091, recall = 0.931081, f1 = 0.931071 word2vec accuracy = 0.573359, precision = 0.565731, recall = 0.573359, f1 = 0.567236

一种面向电网故障案例的文本分类方法，崔剑飞，闫丹凤，电力系统在长期发展中积累了大量的故障案例文本数据，为从中提取故障描述、故障处理、改进建议等信息需利用文本分类技术。故障案

采用卷积神经网络（cnn）进行文本分类，依赖dl4j 简介 基于dl4j-example中的示例，训练数据较少，从某东上拉取了几百条产品及类型划分，可以用于文本分类，搜索意图识别 train.txt示例，第一列表示产品分类，后边则是分词后的产品名称 eg.衣服 海澜之家 旗下 品牌 海澜 优选 生活馆 多色 条纹 短袖 t 恤 男 浅灰 条纹 07170 / 95 运行 1.运行Word2VecUtil.main生成word2vec.bin模型文件，data目录已存在，训练数据采用train.txt中的产品名称 2.运行CnnSentenceClassificationExample.main训练模型并输出测试结果 测试结果 Type:衣服, ProductName : 【 一件 48 两件 78 三件 98 】 t 恤 男 2018 男装 韩 版 夏季 短袖 t 恤 男 短袖 体恤 衣服

基于N元语言模型的文本分类方法.pdf 汉语n元模型统计软件.ppt 基于N元语法的汉语自动分词系统研究.pdf 一种基于N元语法分布的语言模型自适应方法.pdf 语言模型的基本概念.doc N元语言模型的解码算法.doc N元语言模型的训练方法.doc 自动文本分类.pdf

新闻文本分类数据集，详情见https://editor.csdn.net/md/?articleId=121462685

这是一个 C++ 的朴素贝叶斯文本分类器库，可以对文本中的垃圾邮件、基因、情感类型进行分类。 自 1950 年代以来，朴素贝叶斯已被广泛研究。 它在 1960 年代初期以不同的名称引入文本检索社区，并且仍然是文本分类的流行（基线）方法，判断文档属于一个类别或另一个类别的问题（例如垃圾邮件或合法，体育或政治等）以词频为特征。 通过适当的预处理，它在该领域具有竞争力，包括支持向量机在内的更先进的方法。它还在自动医疗诊断中得到应用。

传统文本分类使用word embedding作为文档表示，忽略词在当前上下文的含义，潜在地认为相同词在不同文本中含义相同。针对此问题提出一种词义消歧的卷积神经网络文本分类模型——WSDCNN（word sense disambiguation convolutional neural network）。使用双向长短时记忆网络（BLSTM）建模上下文，得到词义消歧后的文档特征图；利用卷积神经网络（CNN）进一步提取对文本分类最重要的特征。在四个数据集上进行对比实验，结果表明，所提出方法在两个数据集，特别是文档级数据集上优于先前最好的方法，在另外两个数据集上得到与此前最好方法相当的结果。

其中包括程序项目三个， Text CNN，RNN＋CRT，CNN＋LSTM的文本分类。包括数据训练集和测试集。文本分类是NLP的基础任务，掌握它是进阶的基础 enjoy

基于tensorflow、CNN、清华数据集THUCNews的新浪新闻文本分类-附件资源

毕业设计 计算机 源码 基于AdaBoost算法的情感分析研究 此项目为本科毕业设计项目，目前已经没有时间更新了，文章、代码都有很多错误，大家借鉴一下思路就好，不要仔细研究 大学时没有好好学算法，毕竟那些树、图实在提不起兴趣，好在毕业设计选择了个机器学习算法，整了个还算是有点意思的项目，至少弥补了大学的一点点的遗憾。现在将项目开源出来，虽然感觉还是写得没有达到自己的预期，大部分也是参考别人的，有兴趣的可以下载看看吧。如果可以，希望能给个star或者fork奖励奖励 文本分类基本流程 运行环境 [anaconda: 3.5+] 本文项目流程 一、 使用微博应用获取微博文本，代码地址 二、 SVM初步分类(svm_temp.py) 三、 利用贝叶斯定理进行情感分析 四、 利用AdaBoost加强分类器 完整文档可以看doc 一、获取微博文本 二、SVM初步分类 三、使用朴素贝叶斯分类 四、AdaBoost 4.1 二分类AdaBoost 4.2 多分类AdaBoost 4.2.1 AdaBoost.SAMME 4.2.2 AdaBoost.SAMME.R