对KNN文本分类算法进行改进,提高文本分类正确率和分类效率.
这一我自己写的weka文本分类器，里面有代码的注视，也有样本数据，可以方便大家入门使用
文中提出一种基于Bootstrapping 的文本分类模型,该模型采用最大熵模型作为分类器,从少量的种子集出发,自动学习更多的文本作为新的种子样本,这样不断学习来提高最大熵分类器的文本分类性能。文中提
基于tflearn的cnn文本分类 cnn代码
这是用于分类，聚类的英文文本语料20_newsgroups
使用中科院分词系统和林智仁的libsvm进行设计的系统主要使用java语言进行开发其他更多的信息：你查看readme文件
文本分类模型处理流程 1.样本整理 2.数据预处理 直接按照字符处理可以使用keras的api Tokenizer(char_level=True) 建立字符数字索引 text_to_sequence
WordFeature 一个文本分类器 希望对大家有用
文本分类训练样本集,主要为新闻集,将近万余个样本,已完成标签分类,可用于文本分类模型训练,主要为源文本内容,下载后需要自行中文分词等预处理
NULL博文链接：https://luchi007.iteye.com/blog/2267674
用户评论