Java中半结构化数据的贝叶斯分类

Question

我想针对以下情况训练和使用贝叶斯分类器：

• 半结构化数据-基本上是一种XML模式。
• 信息包含在多个纯文本字段中。
• 模式的某些字段/部分可能重复任意次数。

分类本身相当简单--基本上，我需要文档在特定类别中的概率。

设计限制因素：

• 解决方案必须是开放源代码的，或者在另一个免版税许可下可用。
• 必须能够保存/加载分类器以供将来使用。
• 必须能够将该库嵌入到更大的基于Java的应用程序中(即必须使用Java/JVM库)。

是否有任何符合这一要求的库/工具？

Answer 1

我不确定您是否已经准备好了分类器，但我已经将Apache的UIMA框架用于几个抽屉项目。UIMA“只是”一个框架，但确实附带了一些逻辑。一些繁重的谷歌发明了一个基于UIMA的贝叶斯分类器实例。

它有在运行时修改配置的机制，但我也不太清楚您所说的“保存和加载分类器”是什么意思。这是否意味着您要在运行时加载(和卸载)二进制分类器数组，还是要加载/卸载不同的模型？

其他问题的答案如下：

• 是的，UIMA是开源的，在ASLv2下发布。
• 是的，您可以将UIMA作为库嵌入到应用程序中。