20个新闻组文本分类 本笔记本包含使用数据集、使用和库的文本分类实现，以及使用库的一些模型解释。 本笔记本随附的博客文章：

对搜狗实验室的2012搜狐新闻语料进行切分、格式转换（已转为UTF8），从中抽取了11个新闻类别并分文件夹存储，每个txt文件包含600篇新闻。数据大概共54M，可以用于中文分类。

ROST CM绿色中文版，武汉大学编写，进行分类、预测，内容挖掘系统

（结合哈工大停用词表、四川大学机器智能实验室停用词库、百度停用词表等）

该文本内容详细介绍了CNN算法和文本分类的相互关系 我觉得挺好的 希望大家喜欢

NLP学习指南 本教程致力于帮助同学们快速入门NLP，并掌握各个任务的SOTA模型。 各任务模型列表汇总：，，，（todo）， 各任务概述和技巧：，文本匹配，序列标注，文本生成，语言模型 之后就可以开始逐个击破，但也不用死磕，控制好目标难度，先用三个月时间进行第一轮学习： 读懂机器学习，深度学习原理，不要求手推公式 了解经典任务的基准，动手实践，看懂代码 深入一个应用场景，尝试自己修改模型，提升效果 迈过了上面这道坎后，就可以重新回归理论，提高对自己的要求，某种手推公式，盲写模型，拿到比赛Top等。 第一步：基础原理 机器学习最初入门时对数学的要求不是很高，掌握基础的线性代数，概率论就可以了，正常读下来的理工科大学生以上应该都没问题，可以直接开始学，碰到不清楚的概念再去复习。 统计机器学习部分，建议初学者先看懂线性分类，SVM，树模型和图模型，这里推荐李航的“统计学习方法”，薄的摸起来没有

针对文本自动分类问题，提出了一种基于LSA降维的KNN改进算法。通过对文本特征向量运用LSA理论进行降维处理，可以有效提高KNN算法的运行效率，提高分类精度。实验证明，改进的KNN算法具有很好的性能。

将训练集、测试集、验证集、标签集放到THUCNews/data文件夹下即可。数据格式为每行一个句子加它的标签，用\t分隔开。文件中已经包含了BERT的预训练模型。项目的详解博客在https://blog.csdn.net/Q_M_X_D_D_/article/details/120583820

用朴素贝叶斯分类算法做中文文本分类-附件资源

承接之前写的“机器学习之线性模型”的那篇文章，这里运用逻辑回归模型实现对文本的一个大体分类，目的是进一步熟悉逻辑回归的运用和sklearn工具包的使用，理解各参数代表的含义，并没有特意做数据处理、特征工程和模型优化方面的考虑来提高准确度。 数据来源于：https://www.dcjingsai.com/common/cmpt/“达观杯”文本智能处理挑战赛_赛体与数据.html 也可以通过如下网盘下载： 链接：https://pan.baidu.com/s/1P67-jvrI2IhZtsWEQWtwkg 提取码：5uvx 题目说明 题目的详细说明可以去赛题官网查看，这里简单描述下： 官方赛道给出