文本分类基础

只要您按照文本分类程序中readme文本分类的主要流程.txt 的说明一步一步完成的话，就可以进行文本分类

该工具包包含了完整的文本分类流程，涉及分词、特征处理、模型训练、未知样本分类等，是初级文本分类必备工具包

基于朴素贝叶斯的文本分类，结合了TF-IDF算法和textrank算法

简单的文本预处理程序，将输入文档去掉数字（不包含字母的字符串），去掉停用词，去掉标点符号，生成基本可用的词库（保留下的基本都是有意义的特征）。便于之后用支持向量机或者决策树等进行文本分类处理等。

贝叶斯文本分类器

基于SVM的Web文本分类，对短文本以及社交网络文本分类效果不错，推荐该学习资料。

SVM文本分类MatLAB源代码为m-file格式

本文通过对Bayes、KNN、SVM应用于中文文本分类进行比较实验研究。应用ICTCLAS对中文文档进行分词，在大维数，多数据情况下应用TFIDF进行特征选择，并同时利用它实现了对特征项进行加权处理，

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.

keras实现中文文本分类；实现中文分析，词向量引入；基于语义的特征卷积计算，实现文本分类。