文本分类

Question

本文采用支持向量机算法进行文本分类。我需要知道在哪里可以找到twitter数据集，以及如何在weka工具或任何其他工具中使用它？

Answer 1

Twitter有限制共享完整数据集的规则，而不是限制只共享tweet ids (请参阅此讨论和开发商协议)。像双弧这样的工具可以通过调用Twitter和检索信息来“补充”tweet元数据。Twitter有速率限制，这使得这是一个有点慢的过程。

有关在R中工作的包，请参阅RTextTools或查看RWeka，它将R与Java之间的差距缩小为使用Weka。如果使用Python，还可以使用scikit-learn的svm实现。

Answer 2

这是我找到的几个网站。我不是一个R程序员，所以我不知道任何Weka工具和如何使用他们，但希望这有帮助。你可以找到他们这里和这里。

Answer 3

这个twitter数据集集合可能会帮助您找到要查找的数据集。主要是情感分析数据集，但也有适度分类数据集。