毕业设计笔记（一）：文本分类

文本分类实验流程设计：

1）下载搜狗语料 地址：http://www.sogou.com/labs/dl/c.html

2）下载中科院分词系统（ictclas）包 地址：http://ictclas.org/ictclas_download.aspx

3）对应每个分类选择部分搜狗语料作为训练集，使用ictclas包对该部分语料进行分词

4）编码对分词结果进行预处理，处理结果为各个单词的出现频率，并对各个分类进行数据库建表

5）剩下的搜狗语料作为测试集，重复步骤3~4

6）将训练集和测试集分别实例化，处理成arff文件

7）编码调用weka的api对训练集和测试集进行文本分类

8）根据结果得出对应结论