文本分类博文收集

 

kNN 文本分类

K-means 文本聚类

 

1.预处理
标签处理
分词标注    ictclas-linux32-jni

去停用词

 

2.倒排索引，词频统计

 

 

3.特征选择

信息增益    http://www.blogjava.net/zhenandaci/archive/2009/03/24/261701.html

卡方统计    http://hi.baidu.com/bjwyl66/item/4b578612bc934e572a3e22d0

 

4.分类器

svm    
knn     

 

5.性能评价
正确率
召回率
F1测度