文本分类相关资料

cwc · 发表于 2012-11-25 19:50:31

本帖最后由 cwc 于 2012-11-26 16:11 编辑

路透社新闻语料，其中training、test为数量top k的十类。training-all、test-all为90类

Reuters21578-Apte-90Cat.zip (15.82 MB, 下载次数: 5)
好用的统一词根工具，解压后输命令-inputpath -outputpath。

PorterStemmer.zip (5.1 KB, 下载次数: 5)
读入文件到预处理再到生成TFIDF值的代码

tfidf.rar (3.15 KB, 下载次数: 3)
有兴趣的同学可以下载试试~

twinsken · 发表于 2012-11-26 00:35:44

其实UCI上有很多哦

xmubingo · 发表于 2012-11-26 13:11:31

twinsken 发表于 2012-11-26 00:35
其实UCI上有很多哦

能给个链接么，我需要各种预料。

zouquan · 发表于 2012-11-26 13:19:41

有没有生成TF-IDF的代码？以及对文本预处理的程序？都上传上来哦，方便大家后续使用

twinsken · 发表于 2012-11-26 13:58:49

http://archive.ics.uci.edu/ml/
tf-idf weka mahout nltk都有不过还是推荐python

xmubingo · 发表于 2012-11-26 14:04:56

twinsken 发表于 2012-11-26 13:58
http://archive.ics.uci.edu/ml/
tf-idf weka mahout nltk都有不过还是推荐python

非常感谢！