有文本自动分类的开源项目么

cgk100 2009-05-10 08:09:52
有文本自动分类或者web自动分类的的开源项目么
...全文
473 14 打赏 收藏 转发到动态 举报
写回复
用AI写文章
14 条回复
切换为时间正序
请发表友善的回复…
发表回复
wjwzsj 2010-03-11
  • 打赏
  • 举报
回复
[Quote=引用 11 楼 dvdface 的回复:]
引用 8 楼 cgk100 的回复:我的意思是,我抓取了很多数据,我想对这些内容进行分类,自动分类那种

囧,索引和分类就是相关的。

先检索,然后分类,

来了查询,先找类型,然后再到类型里面进行子查询。

没必要在所有类型里面查,那样效率太低。

我正好写了一个。

分词用的ICTCLAS,其实不用这个也行,

向量空间模型建立,用WVTool改的

分类用的LIBSVM, 的确效率很差, 貌似用API的时候不能自动的利用 交叉检验进行预测

预测倒是挺快的。可惜没交叉检验过的参数, 明显不如 直接命令行的好,命令好的最少也有83%的正确率。

还有点内存泄漏的问题亟待解决。
[/Quote]
成果让我也学习一下吧,wjwzsj@yahoo.com.cn,先谢谢了
lpzun 2010-01-06
  • 打赏
  • 举报
回复
wvtool+libsvm,正在研究中
dvdface 2009-05-14
  • 打赏
  • 举报
回复
[Quote=引用 8 楼 cgk100 的回复:]
我的意思是,我抓取了很多数据,我想对这些内容进行分类,自动分类那种
[/Quote]

囧,索引和分类就是相关的。

先检索,然后分类,

来了查询,先找类型,然后再到类型里面进行子查询。

没必要在所有类型里面查,那样效率太低。

我正好写了一个。

分词用的ICTCLAS,其实不用这个也行,

向量空间模型建立,用WVTool改的

分类用的LIBSVM, 的确效率很差, 貌似用API的时候不能自动的利用 交叉检验进行预测

预测倒是挺快的。可惜没交叉检验过的参数, 明显不如 直接命令行的好,命令好的最少也有83%的正确率。

还有点内存泄漏的问题亟待解决。
jyz3051 2009-05-13
  • 打赏
  • 举报
回复
太多了,都自己写那个代码了,还不会用搜索引擎自己找?这小孩!
antss 2009-05-11
  • 打赏
  • 举报
回复
很简单嘛.进行词法分析.不过,词法分析是专用的.

您那要对大众对象.估计,够呛.如果用模板,就提取不到东西了.好玩.好郁闷的事情.
cgk100 2009-05-11
  • 打赏
  • 举报
回复
我的意思是,我抓取了很多数据,我想对这些内容进行分类,自动分类那种
windsting 2009-05-10
  • 打赏
  • 举报
回复
完全不懂LZ在问什么,估计就是知道再问什么我也不懂,
问一下,什么样的目的需要这种手段呢?
zhengyun_ustc 2009-05-10
  • 打赏
  • 举报
回复
..
..
还在找
amossavez 2009-05-10
  • 打赏
  • 举报
回复
weka是用来数据挖掘的,他本身里面自带了一些数据挖掘的经典算法!!但是对文本自动分类帮助不大吧!!
f22fbi 2009-05-10
  • 打赏
  • 举报
回复
mark
lingyin55 2009-05-10
  • 打赏
  • 举报
回复
www.firtex.org, 从网页抓取,页面分析,文本提取,到中文分词,样本训练,自动分类,全部实现的.
以前还有中科院的使用 C++ 包装的 lightSVM ,都是这类东西,台湾那个 libsvm 做实验可以,实际使用性能极差.

另外是 weka 项目,这个本身是一大堆算法,但有相关的一系列项目共同实现.
http://en.wikipedia.org/wiki/Support_vector_machine


引自:http://bbs.et8.net/bbs/showthread.php?p=9845564

liliangbao 2009-05-10
  • 打赏
  • 举报
回复
帮顶~
mengde007 2009-05-10
  • 打赏
  • 举报
回复
貌似没有;

65,211

社区成员

发帖
与我相关
我的任务
社区描述
C++ 语言相关问题讨论,技术干货分享,前沿动态等
c++ 技术论坛(原bbs)
社区管理员
  • C++ 语言社区
  • encoderlee
  • paschen
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
  1. 请不要发布与C++技术无关的贴子
  2. 请不要发布与技术无关的招聘、广告的帖子
  3. 请尽可能的描述清楚你的问题,如果涉及到代码请尽可能的格式化一下

试试用AI创作助手写篇文章吧