javaictclas

‘壹’ 有人用java写过文本分类系统吗

文本分类的重点不在分类，而在怎么样描述文本模型和提取文档中的terms并把它数字化，转化为分类器可以使用的输入类型。这前面的处理直接关系到后面分分类效果。就文本模型而言，现在普遍使用的还是Salton 和 McGill的Vector Space Model, 通过TF-IDF统计，如果是英文的话，要进行语义层次的抽象， 这方面可以使用WordNet，网上可以找到JAVA wordnet 的API,，个人认为比较好的是JWNL 如果是中文的话，涉及到分词， 中科院计算所分词系统ICTCLAS， 可到其网站上下载免费版。
至于JAVA写的分类器很多，常用的比如说Weka， RapidMiner(这个相当不错，有专门的Web data Mining的扩展包，是我的最爱)，这些都可以自己调用其接口实现新的算法。个人强烈推荐使用RapidMiner，功能相当强大，几乎实现了当前的所有机器学习的算法，并且操纵简便。
学习提示：不要刚开始就希望效果很好，急躁是做学问的大敌，肯定会出现一些意想不到的问题，最主要是勤于思考，善于查找问题，慢慢改进，一个问题，如果比较难，回到它最原始最简单的问题上去。祝你学业进步。