原文出处：http://mp.weixin.qq.com/s?__biz=MjM5MzM5NDAzMg==&mid=200729339&idx=1&sn=e22ccad6792621cf74d9baffa6c07097&3rd=MzA3MDU4NTYzMw==&scene=6#rd 1 基础知识 1. 1 样本整理 文本分类属于有监督的学习，所以需要整理样本
转载
精选
2014-10-18 11:05:30
1393阅读
点赞
1评论
以天气分类为例，我们的目的是运用支持向量机SVM（libsvm）来训练出一个天气分类的模型，这个模型可以将新来的语料分成天气类和非天气类两个大类，即正类与负类，具体的流程如下：1.爬取语料数据 首先，第一步要做的就是网上爬取天气相关的语料，可以运用Python爬虫爬取百度相关搜索的词条，进行多轮爬取，我们将跟天气相关的语料称为正语料，与天气无关的语料称为负语料，正语料和负语料分开爬取，一般来说，训
转载
2024-01-30 00:10:12
95阅读
在学界一般认为，《红楼梦》后 40 回并非曹雪芹所著。利用机器学习相关算法来进行判断原理 每个作者写作都有自己的用词习惯和风格，即使是故意模仿也会留下很多痕迹。 在文言文中，文言虚词分布均匀，书中每个回目都会出现很多文言虚词，差别在于出现频率不同，我们把文言虚词的出现频率作为特征。 不只文言虚词，还有其他的词在所有回目中出现频率很多。比如对第 80 回进行词频统计，得到了 172的 142我 70
转载
2024-01-10 22:51:50
52阅读
预备知识：1）svm：svm（support vector machine）即支持向量机，是一种机器学习算法，2000年左右开始火爆，被认为是（2005年论文上写的）目前分类算法中最好的二个之一（还有一个是boost方法，即使用多个
低分辨率的分类器线性组合成一个高分辨率的模式）；根据它的原理，个人认为它和人工神经网络的计算公式本质一样，虽然它们的类切分方式不一样。至少svm是完全的基于
转载
2023-07-31 21:55:07
375阅读
最近一段时间在写关于情感分析方面的论文，用到了SVM作为分类算法进行情感分类。
我选用了著名的SVM开源工具包libSVM,果然效果不错。由于LibSVM的输入语料格式有一定的要求。故有时候怎样把我们的训练语料转换成LibSVM的输入语料格式，是一个比较麻烦的事情。
在做这个的过程中我也遇到了挺多麻烦的事情的，比如刚开始的时候，我把同一类的样例放在了一个，出现的结果是libSVM无法进行准确分
原创
2010-03-06 19:37:00
10000+阅读
点赞
6评论
直接从特征提取，跳到了BoostSVM，是因为自己一直在写程序，分析垃圾文本，和思考文
原创
2022-10-18 13:45:18
166阅读
我们知道，tfidf和embedding都是将文本表示成包含文本信息的高维向量的方法。tfidf关注的是单词在文档中的频率，最终计算出的向量包含的信息是一种单词出现频率的tradeoff。而embedding则关注的是单词的语义。两者包含的信息不同，因此将两者结合起来表示文本是对文本信息的丰富和扩充。但是在实际操作中，两者的结合不是简单的concatenate这个简单就可以的。因为两者计算结果的维
转载
2024-01-21 05:26:02
137阅读
1 设计题目文本分类的算法研究与实现2 课题背景及研究现状2.1 课题背景近年来，随着Internet的迅猛发展，网络信息和数据信息不断扩展，如何有效利用这一丰富的数据信息，己成为广大信息技术工作者所关注的焦点之一。为了快速、准确的从大量的数据信息中找出用户所需要的信息，文本信息的自动分析也成为了当前的迫切需求。对文本信息的分析中的一个主要技术就是文本分类。文本分类问题是自然语言处理的一
转载
2024-01-16 18:49:49
125阅读
因为工作和个人信仰的关系，我一直比较关注文本表示的进展。召回是很多NLP系统中必备的一步，而向量化的召回比纯基于文字的离散召回效果更好更合理。同时文本表示还可以做很多事情，比如聚类、分类，不过更多地还是用在文本匹配上。2015年到18年间有很多优秀的文本表示模型，祭出宝图： 但基于交互的匹配模型明显优于单纯的表示，再加上BERT出来，就很少有人再去研究了，2019年只有一个Sentence-B
转载
2024-05-24 08:23:23
120阅读
文章目录一、简介二、N-grams和基于N-grams的相似性度量三、使用N-gram频次统计的文本分类 一、简介文本分类要能兼容语法，拼写，OCR输入字符错误的问题。而基于N-gram的文本分类系统能很好的处理各种各样的问题。该系统需要计算和对比N-gram频次分布文件。首先从各种类别的训练集中得到每个类别的N-gram频次分布文件c1,c2,c3,cn；其次，计算给定文本的N-grams频次
转载
2024-03-15 10:51:34
229阅读
什么是文本分类文本分类任务是NLP十分常见的任务大类，他的输入一般是文本信息，输出则是预测得到的分类标签。主要的文本分类任务有主题分类、情感分析 、作品归属、真伪检测等，很多问题其实通过转化后也能用分类的方法去做。常规步骤选择一个感兴趣的任务收集合适的数据集做好标注特征选择选择一个机器学习方法利用验证集调参可以多尝试几种算法和参数训练final模型Evaluate测试集机器学习算法这里简单介绍几个
转载
2024-05-08 11:45:48
102阅读
一个完整的文本分类器主要由两个阶段，：一是将文本向量化，将一个字符串转化成向量形式；二是将向量喂到分类器，包括SVM, CNN，LSTM等等。这边做的项目其实阶段用的是 tf-idf 来进行文本向量化，使用卡方校验(chi-square)来降低向量维度，使用liblinear(采用线性核的svm) 来进行分类。而这里所述的文本分类器，使用lsi (latent semantic analysis,
转载
2024-07-24 10:10:42
145阅读
文本情感分类 文本分类是自然语言处理的一个常见任务，它把一段不定长的文本序列变换为文本的类别。本节关注它的一个子问题：使用文本情感分类来分析文本作者的情绪。这个问题也叫情感分析，并有着广泛的应用。 同搜索近义词和类比词一样，文本分类也属于词嵌入的下游应用。在本节中，我们将应用预训练的词向量和含多个隐
原创
2021-08-06 09:52:54
827阅读
SVM 和线性分类器是分不开的。因为SVM的核心：高维空间中，在线性可分（如果线性不可分那
原创
2022-10-18 13:44:59
98阅读
1.引言文本分类是归类文本或文本片段的一种方式。通过检查一段文字中的单词用法，分类器可以决定分配给这个单词何种标签。二元分类器可以在两个标签（如正，负）之间做决定，文本可以是其中一个标签（多标签分类器可以给一段文本分配多个标签）分类器在有标签的特征集（训练数据）中学习，然后对没有标签的特征集进行分类： 特征集训练集（feature，label）feature 在文本分类的情况下，feature通常
转载
2021-04-08 09:26:26
664阅读
2评论
文本分类文本分类文本分类1.TextCNN-20142.基于字符“从0开始学习”的文本分类-20153.动态卷积网络和n-gram思想用于句分类-20144.fasttext-20175.层次化attention机制用于文档分类-2016
原创
2021-08-02 14:45:14
455阅读
排序问题的基本概念
原创
2021-08-02 15:35:33
334阅读
目录第11章 文本分类11.1 文本分类的概念11.2 文本分类语料库11.3 文本分类的特征提取11.4 朴素贝叶斯分类器11.5 支持向量机分类器11.6 标准化评测11.7 情感分析11.8 总结第11章 文本分类上一章我们学习了文本聚类，体验了无须标注语料库的便利性。然而无监督学习总归无法按照我们的意志预测出文挡的类别，限制了文本聚类的应用场景。有许多场景需要将文档分门别类地归入具体的类别
转载
2024-06-12 10:58:25
93阅读
1.什么是文本分类在定义文本分类之前，需要理解文本数据的范围，以及分类的真实含义。这里的文本数据可以是短语、句子或者包含文本段落的整篇文档等任何形式，这些数据可以从语料库、博客或互联网的任何地方获得。文本分类也经常成为文档分类，文档这个词概括了任何形式的文本内容。文档这个词可以定义为思想或事件的一些具体的表示，这些标识可以是书面、语言记录、会话或演讲等形式。这里，使用文档这个词来表示文本数据，例如
转载
2023-06-05 19:46:14
346阅读
1.textCNN优势：短文本分类2.fast Text优点：训练速度快3.HAN(Hierarchical Attention Network)优点：对文档的分类双向的LSTM，可以获得丰富的词汇表示attention阶段：词在句子中的重要程度4.TextRNN 以双向lstm编码句子，获得句子的信息表征，将前向最后时刻和后向最后时刻拼接，乘以Fc之后，对tens
转载
2023-07-25 20:24:11
283阅读
