“Document classification test”版本间的差异

来自cslt Wiki
跳转至： 导航、 搜索
Lr（讨论 | 贡献）
（→‎VSM Test）
第23行： 第23行：
 
:* classifier: Native Bayes
 
:* classifier: Native Bayes
 
*Result
 
*Result
 +
 +
{| border="2px"
 +
|+ classification result
 +
|-
 +
! Training Set !! 财经!! IT!! 健康!! 体育!! 旅游 !!教育 !! 招聘!! 文化!!军事
 +
|-
 +
! TFIDF
 +
| 0.678 || 0.718 || 0.708 || 0.708 || 0.73
 +
|-
 +
|}
  
 
===LDA Test===
 
===LDA Test===
 
===Word2vec Test===
 
===Word2vec Test===

2014年9月9日 (二) 02:15的版本

Problem And Solve

Document classification of Sougou data

  • DATA
  • Data from SougouLab [1],using SogouC.reduced(30M)
  • 9-Classes:财经,IT,健康,体育,旅游,教育,招聘,文化,军事
  • train and test: train(),test(),dev()
  • Text preprocessing
  • Segment word using wordlist of 9W.(tencent)
  • Remove stop word.stop_wordlist is
  • Some Tools
  • weka
  • scw
  • google word2ve
  • LDA

VSM Test

  • Data
  • dimension:9402
  • Method
  • document reprenstion: use the tf-idf weight for word weight
  • classifier: Native Bayes
  • Result
classification result
Training Set 财经 IT 健康 体育 旅游 教育 招聘 文化 军事
TFIDF 0.678 0.718 0.708 0.708 0.73

LDA Test

Word2vec Test

取自“http://cslt.org/mediawiki/index.php?title=Document_classification_test&oldid=11260”