eggwardhan / chinesetextclassifier Goto Github PK

This project forked from xujin1992/chinesetextclassifier

实现中文文本分类，支持文件、文本分类，基于多项式分布的朴素贝叶斯分类器。由于工作实际应用是二分类，加之考虑到每个分类属性都建立map存储词语向量可能引起的内存问题，所以目前只支持二分类。当然，直接复用这个结构扩展到多分类也是很容易。之所以自己写，主要原因是没有仔细研读mahout、weka等代码，不能灵活地进行中文分词、停用词过滤、词频统计、TF-IDF等，也就是向量化和特征提取没有自己手写相对灵活。