Как вы классифицируете на основе текстового контента?

Question

Как автоматически найти категории для текста на основе контента?

Answer 1

Я бы посоветовал вам взглянуть на библиотеки классификации текста, входящие в комплект Natural Language Toolkit . Даже если вы не знакомы с Python, я думаю, вы найдете API довольно интуитивно понятным. В NLTK Book есть много хороших примеров, и люди из списка рассылки также весьма полезны.

Answer 2

1. Чтение Интеллектуальный анализ данных: практические инструменты и методы машинного обучения - Ян Х. Виттен, Эйбе Франк
2. Использование Weka или Оранжевый

Answer 3

Самым простым способом категоризации текста является использование набора слов представления. Слова / n-граммы слов в каждом документе могут быть использованы как функции. При этом вы можете представить каждый документ как вектор в метрическом пространстве. Впоследствии вы можете применить кластеризация для группировки документов, которые похожи по содержанию. Например, вы можете использовать кластеризацию k-средних с этими векторами для кластеризации лексически похожих документов.

Инструмент для анализа текста на основе Python, NTLK отлично подходит для быстрых экспериментов с подобными задачами (в общем, Python довольно хорош для работы с текстом). Вы можете найти это полезным.

Answer 4

Лучший способ классифицировать контент, будь то текст или мультимедиа, - это использовать таксономия . Большинство хорошо известных CMS имеют встроенную поддержку таксономии. Drupal имеет одну из лучших опций таксономии среди различных CMS.

Answer 5

На этом написана хорошая статья: http://www.cs.utexas.edu/users/hyukcho/classificationAlgorithm.html