文字分类
训练一个分类器(KNN,SVM),对文本数据进行分类,类别可包括体育,财经,房地产,家居,教育等十个类别。
文本分类的一般流程可以分为五步:(1)对文本进行预处理,包括分词操作和替换词去除等;(2)特征提取与特征选择,选择文本特征提取方法,替代特征进行选择(3)文本表示,选择合适的方法表示选择的特征,作为分类的依据;(4)分类器构建,选择合适的分类算法训练得到对应的文本分类器;结果评估,选择合适的评估指标,对分类结果进行评价
#实验内容1.构建数据集2.数据预处理(分词,去除重置词)3.生成数据集的特征矩阵4.使用朴素贝叶斯模型进行处理5.使用SVM模型进行处理
本次实验使用到的数据集为实验预先提供的新闻训练集,新闻测试集,以及替换词。训练集和测试集中包括共10个种类的新闻,但所有的新闻都在一个文档里,也查看训练集和数据集内容,发现共有十个新闻分类,分别是“财经”,“资产”, “
1