javaictclas

『壹』 有人用java寫過文本分類系統嗎

文本分類的重點不在分類，而在怎麼樣描述文本模型和提取文檔中的terms並把它數字化，轉化為分類器可以使用的輸入類型。這前面的處理直接關繫到後面分分類效果。就文本模型而言，現在普遍使用的還是Salton 和 McGill的Vector Space Model, 通過TF-IDF統計，如果是英文的話，要進行語義層次的抽象， 這方面可以使用WordNet，網上可以找到JAVA wordnet 的API,，個人認為比較好的是JWNL 如果是中文的話，涉及到分詞， 中科院計算所分詞系統ICTCLAS， 可到其網站上下載免費版。
至於JAVA寫的分類器很多，常用的比如說Weka， RapidMiner(這個相當不錯，有專門的Web data Mining的擴展包，是我的最愛)，這些都可以自己調用其介面實現新的演算法。個人強烈推薦使用RapidMiner，功能相當強大，幾乎實現了當前的所有機器學習的演算法，並且操縱簡便。
學習提示：不要剛開始就希望效果很好，急躁是做學問的大敵，肯定會出現一些意想不到的問題，最主要是勤於思考，善於查找問題，慢慢改進，一個問題，如果比較難，回到它最原始最簡單的問題上去。祝你學業進步。