Python 使用TensorLayer训练一个垃圾文本分类器

THUCTC(THU Chinese Text Classification)是由清华大学自然语言处理实验室推出的中文文本分类工具包,能够自动高效地实现用户自定义的文本分类语料的训练、评测、分类功能。

朴素贝叶斯模型是文本分类模型中的一种简单但性能优越的的分类模型。为了简化计算过程，假定各待分类文本特征变量是相互独立的，即“朴素贝叶斯模型的假设”。相互独立表明了所有特征变量之间的表述是没有关联的。

使用贝叶斯分类器实现文本文件的分类判别。1、可以指定训练集进行文本训练；2、使用训练好的特征值进行未知文件类型的判别。

文本分类语料库训练集，供学习测试使用。新闻类语料（已标签分类），包含经济、交通、教育、环境、体育、医药等类目共上千份新闻文本。

垃圾分类 一个智能垃圾分类系统 一,主要功能 对上传的垃圾图片进行识别,并返回分类结果(干垃圾,湿垃圾,有害垃圾,可回收垃圾) 二,实现原理 该垃圾分类项目采用深度学习-图像处理模块,采用的是顺序序贯

贝叶斯文本分类器,框架

贝叶斯文本分类器JAVA，有lucene-core-2.9.4，je-analysis-1.5.1包

C# version Bayes text classifier

TurkishFolkSongClassification:土耳其民歌文本分类器

作 者 刘伍颖 出版社 国防工业出版社 页 数 160页 出版日期 2014年10月1日 语 种 简体中文 ISBN 9787118097597 《面向大数据的高效能垃圾文本分类》全面介绍了大数据时代