blocks|key|2012816|text|你在找一个'主题模型‘。技术包括潜在的Dirichlet分配和其他。维基百科的文章包含了一些资源的链接，比如马勒，这应该对你有帮助。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|2012817|你没有具体说明你想使用哪种语言，或者什么是“最好”的意思？最容易实现，最快，还是最好的结果？|2012818|另一种选择是使用人类(例如亚马逊(+Amazon+)机械土耳其人)，它可能给你的推文带来“最佳”的结果，因为考虑到所有的缩写、讽刺和哈希标签……#notAnEasyProblem，这些推文都是众所周知的很难分类的。|2012819|entityMap|0|LINK|mutability|MUTABLE|url|http://en.wikipedia.org/wiki/Topic_model|1|http://mallet.cs.umass.edu/^0|6|4|0|1I|2|1|0|0|0^^$0|@$1|2|3|4|5|6|7|R|8|@]|9|@$A|S|B|T|1|U]|$A|V|B|W|1|X]]|C|$]]|$1|D|3|E|5|6|7|Y|8|@]|9|@]|C|$]]|$1|F|3|G|5|6|7|Z|8|@]|9|@]|C|$]]|$1|H|3|-4|5|6|7|10|8|@]|9|@]|C|$]]]|I|$J|$5|K|L|M|C|$N|O]]|P|$5|K|L|M|C|$N|Q]]]]

You are looking for a '<a href="http://en.wikipedia.org/wiki/Topic_model" rel="nofollow">Topic Model</a>'. Techniques include Latent Dirichlet Allocation and others. The Wikipedia article includes links to resources such as <a href="http://mallet.cs.umass.edu/" rel="nofollow">Mallet</a> which should help you.

You didn't specify what language you wanted to use nor what 'best' means? Easiest to implement, fastest, or best results?

Another alternative is to use humans (e.g. Amazon Mechanical Turk) which may give you the 'best' results for tweets which are notoriously hard to classify given all the abbreviations, sarcasm, and hash tags ... #notAnEasyProblem.

blocks|key|690504|text|主题分类(传统分类技术)|type|ordered-list-item|depth|inlineStyleRanges|entityRanges|data|690505|例如，实体提取和识别与人或推特相关的主题的更复杂的技术。|690506|这份文件将是一个很好的开始寻找..。http://dl.acm.org/citation.cfm?id=1835643+http://www.tmrfindia.org/ijcsa/v9i15.pdf|unstyled|offset|length|690507|entityMap|0|LINK|mutability|MUTABLE|url|http://dl.acm.org/citation.cfm?id=1835643|1|http://www.tmrfindia.org/ijcsa/v9i15.pdf^0|0|0|I|15|0|1O|14|1|0^^$0|@$1|2|3|4|5|6|7|S|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|T|8|@]|9|@]|A|$]]|$1|D|3|E|5|F|7|U|8|@]|9|@$G|V|H|W|1|X]|$G|Y|H|Z|1|10]]|A|$]]|$1|I|3|-4|5|F|7|11|8|@]|9|@]|A|$]]]|J|$K|$5|L|M|N|A|$O|P]]|Q|$5|L|M|N|A|$O|R]]]]

<ol>
<li>Topic categorisation (traditional classification techniques)</li>
<li>Entity Extraction and more complicated techniques to identify topics related to people or tweet accounts for instance.</li>
</ol>

This papers would be a nice point to start looking...
<a href="http://dl.acm.org/citation.cfm?id=1835643" rel="nofollow">http://dl.acm.org/citation.cfm?id=1835643</a>
<a href="http://www.tmrfindia.org/ijcsa/v9i15.pdf" rel="nofollow">http://www.tmrfindia.org/ijcsa/v9i15.pdf</a>

blocks|key|2012898|text|这是自然语言处理领域的一个复杂问题，称为文档分类。最好的开源库之一是由斯坦福NLP集团维护的。祝好运!|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|2012899|entityMap|0|LINK|mutability|MUTABLE|url|http://en.wikipedia.org/wiki/Document_classification|1|http://nlp.stanford.edu/software/classifier.shtml^0|K|4|0|Z|8|1|0^^$0|@$1|2|3|4|5|6|7|N|8|@]|9|@$A|O|B|P|1|Q]|$A|R|B|S|1|T]]|C|$]]|$1|D|3|-4|5|6|7|U|8|@]|9|@]|C|$]]]|E|$F|$5|G|H|I|C|$J|K]]|L|$5|G|H|I|C|$J|M]]]]

This is a complex problem in the field of Natural Language Processing (NLP) called <a href="http://en.wikipedia.org/wiki/Document_classification" rel="nofollow">document classification</a>. One of the best open source libraries out there is maintained by <a href="http://nlp.stanford.edu/software/classifier.shtml" rel="nofollow">The Stanford NLP Group</a>. Good luck!

blocks|key|2012907|text|那lda呢？主题模型！|type|unstyled|depth|inlineStyleRanges|entityRanges|data|2012908|您可以在python中尝试在线-lda。|2012909|http://www.cs.princeton.edu/~blei/topicmodeling.html|offset|length|2012910|然后，如果您想尝试分布式lda(更快)|2012911|你可以试试轻型lda|2012912|entityMap|0|LINK|mutability|MUTABLE|url^0|0|0|0|1G|0|0|0|0^^$0|@$1|2|3|4|5|6|7|S|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|T|8|@]|9|@]|A|$]]|$1|D|3|E|5|6|7|U|8|@]|9|@$F|V|G|W|1|X]]|A|$]]|$1|H|3|I|5|6|7|Y|8|@]|9|@]|A|$]]|$1|J|3|K|5|6|7|Z|8|@]|9|@]|A|$]]|$1|L|3|-4|5|6|7|10|8|@]|9|@]|A|$]]]|M|$N|$5|O|P|Q|A|$R|E]]]]

How about lda? topic model!

you can try online-lda in python

<a href="http://www.cs.princeton.edu/~blei/topicmodeling.html" rel="nofollow">http://www.cs.princeton.edu/~blei/topicmodeling.html</a>

then if you want try distributed lda(more fast)

you can try light-lda

I wish to write a script that will parse a users tweets and classify it into previously specified category. For example:

<blockquote>
 "Ed Miliband will lose election if he is 'seduced' by Blairites, says union chief <a href="http://bit.ly/145CRAD" rel="nofollow">http://bit.ly/145CRAD</a>"
</blockquote>

will classify in domain Politics.

<blockquote>
 "Dear Sachin, you're 40. Buy a sports car, have flings with 20 yr old blondes. Enjoy your midlife crisis. Leave IPL for the boys - your fan"
</blockquote>

will classify in domain Cricket. 

What is the best way to do this?

Classify tweets into categories

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我希望编写一个脚本来解析用户的tweet并将其分类到以前指定的类别中。例如：“埃德米利班德将失去选举，如果他是‘诱惑’布莱尔说，工会主席说将在领域政治中进行分类。亲爱的萨钦，你40岁了。买一辆跑车，和20岁的金发女郎一起玩。享受你的中年危机。把IPL留给男孩--你的粉丝将分类在领域板球。做这件事最好的方法是什么？

问将tweet分类
EN

回答 4

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问将tweet分类EN

回答 4

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问将tweet分类
EN