我已经提到了这个类似的查询twitter/facebook comments classification into various categories但我的问题有点不同。我有一些10k的推文，我想把它分为4类，即＃34;旅行＆＃34;，＆＃34;购物＆＃34;，＆＃34;吃＆＃34;，＆＃34;播放＆＃34;。 现在的问题是，由于推文的长度非常小，应该使用哪些工具将这些推文分类为这4个类别？删除停用词并清理注释后，它们的大小甚至更小，以保存足够的相关信息，将它们分为4类。在这种情况下，哪种算法最有效：＆＃34;小文本＆＃34;大小是。
我在某处读到我应该简单地使用Lucene而不是NLTK。但是作为我对Lucene的新手我真的不明白Lucene在这个多分类中会有什么帮助。
答案 0 :(得分：0)
您可以尝试 naive bayes ， random forest ，也可以尝试使用EM之类的无监督算法（然后定义基于聚类分组的标签）。 谨防所有课程中使用的常用词语。您可以尝试使用AUC等评估您的表现。同时尝试找到选择功能的方法，称为互信息
祝你好运！