文本分类入门文章汇总，将十几篇文章集中到一起，看起来方便：）

基于朴素贝叶斯的文本分类，结合了TF-IDF算法和textrank算法

网上很多复旦大学的文本分类数据集，但是训练和测试大多是分开的。 我收集下载重新打包，以方便大家使用。 仅需5个积分，是最便宜的了。

新闻文本分类实战

经典的LSTM分类模型，一种是利用LSTM最后时刻的输出作为高一级的表示，而另一种是将所有时刻的LSTM输出求平均作为高一级的表示．这两种表示都存在一定的缺陷，第一种缺失了前面的输出信息，另一种没有体现每个时刻输出信息的不同重要程度．为了解决此问题，引入 Attention 机制，对 LSTM 模型进行改进，设计了 LSTM-Attention 模型．实验结果表明: LSTM 分类模型比传统的机器学习方法分类效果更好，而引入 Attention 机制后的 LSTM 模型相比于经典的文本分类模型，分类效果也有了一定程度的提升．

复旦谭松波的，别人辛苦整理，免费发布的东西，拿过来自己赚积分，绝了 数据说明 answer.rar为测试语料，共9833篇文档； train.rar为训练语料，共9804篇文档，分为20个类别。 训练语料和测试语料基本按照1:1的比例来划分。 数据来源 复旦大学计算机信息与技术系国际数据库中心自然语言处理小组 问题描述 适合NLP学习使用

做毕设自用的中文新闻文本分类语料库，整理自搜狗新闻和清华新闻语料，共八个类别，每类已分好4000条训练集和1000条测试集。附赠一份停用词表，综合了哈工大停用词及川大停用词。

SemEval2014情感分析的数据集，包含Restaurants和LapTops两类。训练集、测试集、验证集。

pyhanlp 词性汇总

介绍文本分类中特征提取方法的比较与分析，信息增益、卡方等方法