新聞分類系統可以幫助使用者實時獲取感興趣的資訊。 識別新興新聞主題並根據使用者興趣推薦相關新聞是新聞分類的兩個主要應用。
主題分析試圖通過識別文字主題來自動從文字中獲取含義。主題分類是主題分析最重要的組成技術之一。 主題分類的目的是為每個文件分配乙個或多個主題，以使其更易於分析。
問答系統有兩種型別:抽取式和生成式。抽取式問答可以看作是文字分類的乙個特例。給定乙個問題和一組候選答案(例如，squad中給定文件中的文字跨度)，我們需要將每個候選答案分類為正確或不正確。生成性質量保證學著從頭開始生成答案(例如使用序列到序列模型)。除非另有說明，本文中討論的qa任務是抽取式qa。
nli，也稱為識別文字蘊含（rte），可**是否可以從另一文字推斷出文字的含義。 特別是，系統需要為每對文字單元分配乙個標籤，例如包含，矛盾和中性[7]。 釋義是nli的一種廣義形式，也稱為文字對比較。 任務是測量乙個句子對的語義相似性，以確定乙個句子是否是另乙個句子的釋義。
//這個就有點像kaggle的那個比賽，判斷quara的提問的問題是否相似，也就很像知乎判斷的兩個提問是否涵義相同。
資料探勘 文字分類（一） 綜述
本學期上了北郵王曉茹老師的資料倉儲與資料探勘課程，實驗一便是資料探勘入門級的實驗 文字分類。第一次自己寫 花了很長時間終於把實驗做完了，在這裡記錄一下。一，先簡單說下實驗的工具和環境。環境 python2.7 python學習建議廖雪峰老師的 分詞工具 中科院張華平博士的漢語詞法分析系統ictcla...
基於支援向量機的文字分類
基於支援向量機svm的文字分類的實現 1 svm簡介 支援向量機 svm 演算法被認為是文字分類中效果較為優秀的一種方法，它是一種建立在統計學習理論基礎上的機器學習方法。該演算法基於結構風險最小化原理，將資料集合壓縮到支援向量集合，學習得到分類決策函式。這種技術解決了以往需要無窮大樣本數量的問題，它...
文字分類 libsvm
關於 libsvm 的介紹以及相關 網上很多，感興趣可以找找。這是libsvm 這裡主要是針對之前學習過的幾種特徵篩選演算法用 libsvm 進行比較。採用搜狗實驗室的資料，選擇商業類文字 1001 篇，娛樂類文字 1208 篇，測試集 29904 篇。分別採用文件頻次，卡方分布，互資訊，資訊增益來...