如何根据文本内容进行分类？

Question

如何根据内容自动查找文本类别？

Answer 1

1. 阅读 Data Mining: Practical Machine Learning Tools and Techniques - Ian H. Witten，Eibe Frank
2. 使用 Weka 或 Orange

Answer 2

我建议您查看与Natural Language Toolkit捆绑在一起的文本分类库。即使您不熟悉Python，我认为您会发现API非常直观。 NLTK Book中有很多很好的例子，邮件列表上的人也很有帮助。

Answer 3

有一篇很好的论文：http://www.cs.utexas.edu/users/hyukcho/classificationAlgorithm.html

Answer 4

对内容进行分类的最佳方式是使用taxonomy，无论是文字还是多媒体。 大多数众所周知的CMS都内置了对Taxonomy的支持。 Drupal对各种CMS中的taxonomy提供了最佳支持之一。

Answer 5

进行文本分类的最简单方法是使用bag-of-words表示。每个文档中的单词/ n-gram单词可用作特征。有了这个，您可以将每个文档表示为度量空间中的向量。随后，您可以将clustering应用于对内容相似的文档进行分组。例如，您可以将k-means聚类与这些向量一起用于将词汇类似的文档聚类在一起。

基于Python的文本挖掘工作台，NTLK非常适合快速尝试这些任务（通常，python非常适合处理文本）。你可能会发现它很有用。