由复旦大学李荣陆提供。收集工作花费了不少人力和物力，所以请大家在使用时尽量注明来源（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）。train.zip为训练语料，共9804篇文档，分为20个类别。answer.zip为训练语料，共9833篇文档，同为20个类别。训练语料与测试语料基本按照1:1的比例来划分
2019-12-21 20:08:37
52.56MB
1
最新Tmsvm基于SVM的文本挖掘系统 包含JAVA和python两个版本
2019-12-21 20:05:59
3.46MB
1
基于贝叶斯分类的中文垃圾信息分类识别核心核心代码，可直接运行的源程序。public void loadTrainingDataChinies(File trainingDataFile,String infoType) {
//加载中文分词其
NLPIR.init("lib");
// System.out.println(trainingDataFile.isFile()+"==============");
// 尝试加载学习数据文件
try {
// 针对学习数据文件构建缓存的字符流，利用其可以采用行的方式读取学习数据
BufferedReader fileReader = new BufferedReader(new FileReader(
trainingDataFile));
// 定义按照行的方式读取学习数据的临时变量
String data = "";
// 循环读取学习文件中的数据
while ((data = fileReader.readLine()) != null) {
// System.out.println("*****************************");
//System.out.println(data+"000000000000000000000");
// 按照格式分割字符串，将会分割成两部分，第一部分为ham或spam,用于说明本行数据是有效消息还是垃圾消息，第二部分为消息体本身
//String[] datas = data.split(":");
// 对消息体本身进行简单分词（本学习数据均为英文数据，因此可以利用空格进行自然分词，但是直接用空格分割还是有些简单粗暴，因为没有处理标点符号，大家可以对其进行扩展，先用正则表达式处理标点符号后再进行分词，也可以扩展加入中文的分词功能）
//首先进行中文分词
// System.out.println(datas[1]+"------------------------");
//if(datas.length>1) {
//System.out.println(datas.length);
String temp=NLPIR.paragraphProcess(data, 0);
//System.out.println(temp);
String[] words = temp.split(" ");
2019-12-21 19:45:49
14KB
1
基于Hadoop的文本分类算法系统，本系统实现了分词处理，停用词处理（IK）；使用朴素贝叶斯分类算法来对文本进行训练和分类，在测试过程中使用词频特征选择作为特征词选择算法，分类准确率达到了78%，包含卡方特征选择算法（训练集特征选择）。
2019-12-21 19:36:01
3.9MB
1
Python，TensorFlow实现文本分类代码集合（含数据）_TextCNN_TextRNN_TextRCNN_HierarchicalAttentionNetwork__Seq2seqWithAttention等等9种文本分类算法实现代码
2019-12-21 19:30:34
13.92MB
1