我将基于LDA的内容分类为通用主题，如音乐，科技，艺术，科学
这是我正在使用的过程
9个主题 - ＆gt; 音乐，技术，艺术，科学 等。
9个文件 - ＆gt; Music.txt ， Technology.txt ， Arts.txt ， Science.txt 等等。
我已经在每个文档（.txt文件）中填写了大约10,000行的内容，我认为是＃34; pure＆＃34;分类内容
然后我对测试文档进行分类，以了解分类器的训练程度
我的问题是，
a。）这是一种有效的文本分类方法（使用上述步骤）吗？
b。）我应该在哪里寻找＆＃34;纯粹的＆＃34;用于填充这些文件的主题内容？来源不是太大（文本数据> 1GB）
分类仅适用于＆＃34; generic＆＃34;主题如上
答案 0 :(得分：1)
a）您描述的方法听起来不错，但一切都取决于您正在使用的标记LDA的实现。我所知道的最好的实现之一是Stanford Topic Modeling Toolbox。它不再被积极开发，但是当我使用它时效果很好。
b）您可以在DBPedia上查找主题内容，其中包含主题/实体的结构化本体，以及有关这些主题/实体的维基百科文章的链接。
答案 1 :(得分：1)
我建议你为你正在使用的每个班级使用词袋（弓）。或者向量，其中每列是与您要定位的类相关的重要关键字的频率。
关于字典，您将DBPedia视为yves或WordNet。
答案 2 :(得分：0)
a。）最简单的解决方案肯定是 k-最近邻算法（knn）。实际上，它会使用重叠指标对带有分类内容的新文本进行分类。
您可以在此处找到资源：https://github.com/search?utf8=✓&q=knn+text&type=Repositories&ref=searchresults