九乡新闻网黑犯罪现场调查成人版:文本分类入门(一)文本分类问题的定义 看文章 www.KanWenZhang.Com
来源：百度文库 编辑：九乡新闻网 时间：2024/04/30 01:07:46
文本分类入门(一)文本分类问题的定义
个文本（以
基本不区分“文本”
“文档”两个词
含义）分类问题就
篇文档归入预先定义几个类别
个或几个，而文本自动分类则使
计算机程序
实现这样分类。通俗点说，就好比
拿篇文章，问计算机这文章
说究竟体育，经济还教育，计算机答不
就打
屁屁（……）。
注意这个定义当着重强调两个事实。
第，于分类所需类别体系预先确定。例如新浪新闻分类体系，Yahoo!网页
航分类层次。这种分类层次旦确定，
相当长时间
都不
变，或
即使变更，
付出相当
代价（基本不亚于推倒并重建个分类系统）。
第二，篇文档并没有严格规定只能被分配给个类别。这
分类这个问题主观性有关，例如找10个人判断篇文章所陈述主题究竟属于金融，银行还财政政策领域，10个人能
给出11个不同答案（聪明读，您应该能看出并没有11个答案，这只种修辞
，笑），因此篇文章
能被分配
个类别当，只不过分给某些类别让人信服，而有些让人感觉模棱两罢
（说专业点，置信度不样）。
八股种
文章格式，过去于科举，现于科研，总
，科学有点关系文章就得八股，鉴于
锻炼自己论文能力，所以按照标准格式，陈述文本分类问题定义
，说说应范围。
现说文本分类，部分人想当然这个问题简化
判断篇文章说什么，这只文本分类
部分应，们以称“依据主题分类”。实际，文本分类还以于判断文章作风格，作态度（积极？消极？），甚至判断作真伪（例如看看《红楼梦》最二十回底不曹雪芹）。总而言，凡文本有关，分类有关，不管从什么角度出发，依据何特征，都以叫做文本分类。
当然，目
真量使文本分类技术，仍依据文章主题分类，而据此构建最系统，当属搜索引擎。里原因当然不言自明，只想给家提个醒，文本分类还不完全等同于网页分类。网页所包含信息远比含于其文字（文本）信息得，
个网页分类，除考虑文本容分类以
，链入链出链接信息，页面文
本身元数据，甚至包含此网页网站结构主题，都能给分类提供莫帮助（比如新浪体育专栏里网页毫无疑问都关于体育），因此说文本分类实际网页分类个子集毫不过。当然，纯粹文本分类系统网页分类不点区别都没有。文本分类有个重提：即只能根据文章文字容进行分类，而不应借助诸如文编码格式，文章作，发布日期等信息。而这些信息网页说常常，有时起作还巨！因此纯粹文本分类系统想达相当分类效果，必须本身理论基础技术含量功夫。
除搜索引擎，诸如数字图书馆，档案管理等等海量文字信息打交道系统，都得文本分类。另，硕士论文得（笑）。
章家侃侃文本分类有关具体概览，有事您说话。