您如何根据文本内容进行分类？答案

【问题标题】：How Do You Categorize Based On Text Content?您如何根据文本内容进行分类？
【发布时间】：2010-09-09 02:13:12
【问题描述】：

如何根据内容自动查找文本类别？

【问题讨论】：

原帖没有说明作者是否已经有分类，想要分类，还是没有分类，需要发现。

标签： algorithm cluster-analysis machine-learning nlp

【解决方案1】：

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

【讨论】：

【解决方案2】：

我建议您查看与Natural Language Toolkit 捆绑的文本分类库。即使您不熟悉 Python，我想您也会发现该 API 相当直观。 NLTK Book 中有很多很好的例子，邮件列表中的人也很有帮助。

【讨论】：

【解决方案3】：

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 单词可以用作特征。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 应用于内容相似的文档分组。例如，您可以使用带有这些向量的 k-means 聚类来将词汇相似的文档聚类在一起。

基于 Python 的文本挖掘工作台，NTLK 非常适合快速试验此类任务（通常，python 非常适合处理文本）。您可能会发现它很有用。

【讨论】：

【解决方案4】：

这上面写了一篇好论文：http://www.cs.utexas.edu/users/hyukcho/classificationAlgorithm.html

【讨论】：

链接已失效:(

【解决方案5】：

对内容（无论是文本还是多媒体）进行分类的最佳方式是使用taxonomy。大多数著名的 CMS 都内置了对分类法的支持。 Drupal 在各种 CMS 中对 taxonomy 的支持最好。

【讨论】：

我认为这不是最好的方法。我称之为一种方式。