- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈程序员必看
R语言做文本挖掘 Part4文本分类
Part4文本分类 Part3文本聚类提到过。与聚类分类的简单差异。 那么，我们需要理清训练集的分类，有明白分类的文本；測试集，能够就用训练集来替代。预測集，就是未分类的文本。 是分类方法最后的应用实现。 1. 数据准备 训练集准备是一个非常繁琐的功能，临时没发现什么省力的办法，依据文本内容去手动整理。这里还是使用的某品牌的官微数据，依据微博内容。 每一个分类有20-50条数据。例如以下可看到训练集下每一个分类的文本数目，训练集分类名为中文也没问题。 训练集为hlzj.train，后面也会被用作測试集。 预測集就是Part2里面的hlzj。 做聚类时要先将文本转换为矩阵，做分类相同须要这个过程。用到tm软件包。 都出现了电脑内存不够的问题，我的电脑是4G的，看内存监控时能看到最高使用达到3.92G。 看样子要换台给力点的电脑了╮(╯▽╰)╭ 在硬件条件能达到时，应该实现分类没有问题。相关的算法能够用：??
59720编辑于 2022-07-06 - 来自专栏菩提树下的杨过
langchain4j 学习系列(7)-文本分类
继续我们的langchain4j学习之旅，很多“智能客服”之类的AI应用，“问题分类”是非常重要的功能之一。 识别出对应分类后，就可以交给相应的流程（或细分的sub agent)做进一步处理。 langchain4j 提供了2种分类方法： 一、基于LLM的语义理解 1.1 定义分类枚举 enum CustomerServiceCategory { PRODUCT("产品相关 "}"); } } 效果： 观察日志的话，能看到与LLM的交互： 2025-12-09T21:00:57.280+08:00 INFO 5948 --- [langchain4j-study 或者先用方法1，先做一轮分类，将结果人工复检后，用于完善方法2中的分类列表） 文中示例代码：GitHub - yjmyzz/langchain4j-study at day07
20510编辑于 2025-12-24 - 来自专栏机器学习AI算法工程
风险事件文本分类(达观杯Rank4)
而风险事件以文本的形式存在，需要采用自然语言理解模型实现风险事件的高精度智能识别，其本质是属于一个文本分类任务。 而文本分类在自然语言处理领域处于非常基础且核心的地位，目前文本分类已经广泛运用于金融、政务、银行、证券、运营商等各个行业中的多个场景中，如金融领域和政务领域的风险事件标签。 很多领域的子任务通常也转化成分类任务，完整的分类任务处理包括了分类标签体系、标注数据、算法模型等不同环节。 前海征信大数据算法：风险概率预测 【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类 VGG16迁移学习，实现医学图像识别分类工程项目 特征工程(一) 特征工程 (二) :文本数据的展开、过滤和分块 特征工程(三):特征缩放,从词袋到 TF-IDF 特征工程(四): 类别特征 特征工程(五): PCA 降维 特征工程(六): 非线性特征提取和模型堆叠
1K20编辑于 2022-03-30 - 来自专栏数据分析与挖掘
机器学习-文本分类（2）-新闻文本分类
而且文本按照字符级别进行了匿名处理，处理后的数据为下： ? 这里就直接拆分训练集为训练集和测试集了。 进行文本分类 （1）n-gram+岭分类 vectorizer = CountVectorizer(max_features=3000) train_test = vectorizer.fit_transform (f1_score(train_df['label'].values[10000:], val_pred, average='macro')) 0.65441877581244 （2）TF-IDF+岭分类 average='macro')) 0.8719372173702 5、探究参数对模型的影响 取大小为5000的样本，保持其他参数不变，令阿尔法从0.15增加至1.5，画出F1关于阿尔法的图像 （1）针对于岭分类而言 0.8516726763849712, 0. 8275245575862662, 0.7963717190315031, 0.6577157272412916, 0.8485051384495732] 6、其它分类模型
1.2K30发布于 2020-08-26 - 来自专栏PaddlePaddle
【文本分类】基于双层序列的文本分类模型
本周推文目录如下： 周一：【点击率预估】 Wide&deep 点击率预估模型 周二：【文本分类】 基于DNN/CNN的情感分类 周三：【文本分类】 基于双层序列的文本分类模型 周四：【排序学习】 基于 Pairwise和Listwise的排序学习 周五：【结构化语义模型】 深度结构化语义模型 文本分类是自然语言处理领域最基础的任务之一，深度学习方法能够免除复杂的特征工程，直接使用原始文本作为输入，数据驱动地最优化分类准确率 在文本分类任务中，我们以情感分类任务为例，提供了基于DNN的非序列文本分类模型，以及基于CNN的序列模型供大家学习和使用（基于LSTM的模型见PaddleBook中情感分类一课）。 02 基于双层序列的文本分类 本例将演示如何在 PaddlePaddle 中将长文本输入（通常能达到段落或者篇章）组织为双层序列，完成对长文本的分类任务 |1.模型介绍 我们将一段文本看成句子的序列，而每个句子又是词语的序列 |4. 使用 PaddlePaddle 内置数据运行 A.训练 在终端执行： python train.py 将以 PaddlePaddle 内置的情感分类数据集: imdb运行本例。
1.7K30发布于 2018-03-15 - 来自专栏春天和爱情の樱花
NLP文本分类
基于深度学习的文本分类 文本分类领域，目前主要可分为： 情感分析 新闻分析 主题分类 问答系统 自然语言推理（NLI） 五大领域（当然也有一些其他细分领域，这里不进行讨论）。 目前，学术界针对文本分类所提出的深度学习模型大致有150多种，根据结构可分为11大类： 前馈网络：将文本视为词袋 基于RNN的模型：将文本视为一系列单词，旨在捕获文本单词依存关系和文本结构 基于CNN的模型 ：经过训练，可以识别文本分类的文本模式（例如关键短语）。 模型性能分析 当下常用的用于评估文本分类模型性能的指标，以下介绍4种： 准确率和错误率（Accuracy and Error Rate）：评估分类模型质量的主要指标，是从整体角度出发的。 在这个基础上，针对更具挑战性的文本分类任务构建新的数据集，例如具有多步推理的QA，针对多语言文档的文本分类，用于极长的文档的文本分类也将成为下一个中文文本分析领域飞速发展的突破口。
75720编辑于 2022-09-22 - 来自专栏全栈程序员必看
TextCNN(文本分类)
TextCNN网络结构如图所示： 利用TextCNN做文本分类基本流程（以句子分类为例）： （1）将句子转成词，利用词建立字典 （2）词转成向量（word2vec，Glove，bert，nn.embedding ） （3）句子补0操作变成等长 （4）建TextCNN模型，训练，测试 TextCNN按照流程的一个例子。 kernel_size self.conv2 = nn.Conv2d(1,3,(3,self.embed_size)) self.conv3 = nn.Conv2d(1,3,(4, self.embed_size)) self.max_pool1 = nn.MaxPool1d(5) self.max_pool2 = nn.MaxPool1d(4) print('Epoch:',epoch,'step:',step,'- loss: %.6f'% loss.data.item(),\ 'acc: %.4f
79030编辑于 2022-09-15 - 来自专栏某菜鸟の小屋
新闻文本分类
前言 一个很粗糙的新闻文本分类项目，解决中国软件杯第九届新闻文本分类算法的问题，记录了项目的思路及问题解决方法 后续会进一步改进，包括： 丰富训练集的数据，避免军事类、房产类、体育类的新闻数据过少， 影响精度 改用上限更高的Bert模型 优化exe文件的页面，使其能够分别处理识别短文本和excel文件 项目源码：https://github.com/bluehyssopu/NewSort 项目问题链接 train_df['text_len'].describe() # 统计文本长度 生成直方图 import matplotlib.pyplot as plt _ = plt.hist(train_df
1.5K20编辑于 2022-11-01 - 来自专栏Fdu弟中弟
BERT文本分类
使用Huggingface中预训练的BERT模型进行文本分类。 train.txt：https://github.com/649453932/Bert-Chinese-Text-Classification-Pytorch/tree/master/THUCNews/data，十分类问题 记者回访地震中可乐男孩：将受邀赴美国参观 5 冯德伦徐若�隔空传情 默认其是女友 9 传郭晶晶欲落户香港战伦敦奥运 装修别墅当婚房 1 《赤壁OL》攻城战诸侯战硝烟又起 8 “手机钱包”亮相科博会 4 input_masks = [] # attention mask label = [] # 标签 pad_size = 32 # 也称为 max_len (前期统计分析，文本长度最大值为 0,0] == pooled[0]) # False 注意是不一样的 pooled再加了一层dense和activation out = self.fc(pooled) # 得到10分类
2.2K31发布于 2021-02-24 - 来自专栏机器学习之旅
GolVe向量化做文本分类向量化文本分类
向量化 在之前，我对向量化的方法一直局限在两个点， 第一种是常规方法的one-hot-encoding的方法，常见的比如tf-idf生成的0-1的稀疏矩阵来代表原文本： ? 这种方法简单暴力，直接根据文本中的单词进行one-hot-encoding，但是数据量一但大了，这个单句话的one-hot-encoding结果会异常的长，而且没办法得到词与词之间的关系。 文本分类 刚才开门见山的聊了蛮久向量化，看起来和文本分类没什么关系，确实在通常意义上来讲，我们的最简单最常用的方法并不是向量化的方法，比如通过朴素贝叶斯，N-Grams这些方法来做分类识别。 u)\b\w+\b", max_df=0.5, sublinear_tf=True,ngram_range=(1, 1), max_features=100000) 3.不仅仅用bayes进行一次分类，
2K40发布于 2018-10-08 - 来自专栏用户2442861的专栏
文本分类（六）：使用fastText对文本进行分类--小插曲
测试facebook开源的基于深度学习的对文本分类的fastText模型 fasttext Python包的安装: pip install fasttext 1 1 第一步获取分类文本，文本直接用的清华大学的新闻分本 ，可在文本系列的第三篇找到下载地址。 输出数据格式： 样本 + 样本标签 说明：这一步不是必须的，可以直接从第二步开始，第二步提供了处理好的文本格式。写这一步主要是为了记忆当时是怎么处理原始文本的。 print result.recall 1 2 3 4 5 1 2 3 4 5 0.92240420242 0.92240420242 由于fasttext貌似只提供全部结果的p值和r值，想要统计不同分类的结果 5 6 7 8 9 10 11 1 2 3 4 5 6 7 8 9 10 11 从结果上，看出fasttext的分类效果还是不错的，没有进行对fasttext的调参，结果都基本在90以上，不过在预测的时候
1.8K10发布于 2018-09-19 - 来自专栏全栈程序员必看
文本分类算法之–贝叶斯文本分类算法
文本分类过程 例如文档：Good good study Day day up可以用一个文本特征向量来表示，x=(Good, good, study, Day, day , up)。 在文本分类中，假设我们有一个文档d∈X，类别c又称为标签。我们把一堆打了标签的文档集合<d,c>作为训练样本，<d,c>∈X×C。 类yes下总共有3个文件，类no下有1个文件，训练样本文件总数为11，因此P(yes)=3/4, P(Chinese | yes)=(3+1)/(3+2)=4/5，条件概率如下： P(Japan | 后记：文本分类是作为离散型数据的，以前糊涂是把连续型与离散型弄混一块了，朴素贝叶斯用于很多方面，数据就会有连续和离散的，连续型时可用正态分布，还可用区间，将数据的各属性分成几个区间段进行概率计算，测试时看其属性的值在哪个区间就用哪个条件概率 再有TF、TDIDF，这些只是描述事物属性时的不同计算方法，例如文本分类时，可以用单词在本文档中出现的次数描述一个文档，可以用出现还是没出现即0和1来描述，还可以用单词在本类文档中出现的次数与这个单词在剩余类出现的次数
89210编辑于 2022-09-05 - 来自专栏NLP算法工程师之路
长文本分类
在NLP领域中，文本分类舆情分析等任务相较于文本抽取，和摘要等任务更容易获得大量标注数据。因此在文本分类领域中深度学习相较于传统方法更容易获得比较好的效果。 文本分类领域比较重要的的深度学习模型主要有FastText，TextCNN，HAN，DPCNN。 FastText FastText是Facebook于2016年开源的一个词向量计算和文本分类工具，在学术上并没有太大创新。 但是它的优点也非常明显，在文本分类任务中，fastText（浅层网络）往往能取得和深度网络相媲美的精度，却在训练时间上比深度网络快许多数量级。 Reference 如何用深度学习做好长文本分类与法律文书智能化处理 Conv1D DPCNN in Keras代码
1.7K20发布于 2019-12-18 - 来自专栏Pytorch实践
大话文本分类
概述 文本分类是自然语言处理的重要应用，也可以说是最基础的应用。常见的文本分类应用有：新闻文本分类、信息检索、情感分析、意图判断等。本文主要针对文本分类的方法进行简单总结。 fastText神经网络模型 （2） DAN/ADAN文本分类 论文[4]中给出了DAN、ADAN的文本分类模型。 经笔者亲自验证CNN的效果要明显高于DAN的分类效果。 ? （4） HAN文本分类 HAN的分类模型[3]是一个非常有意思的长文本分类模型，通过对文本结构进行分层：词语、句子、文档三个层面。 Chapter of the Association for Computational Linguistics: Human Language Technologies. 2016: 1480-1489. [4] IEEJ Transactions on Electrical and Electronic Engineering, 2016, 11(4): 488-498. [7] Kim Y.
1.9K100发布于 2018-03-26 - 来自专栏机器学习入门与实战
textRNNtextCNN文本分类
什么是textRNN textRNN指的是利用RNN循环神经网络解决文本分类问题，文本分类是自然语言处理的一个基本任务，试图推断出给定文本(句子、文档等)的标签或标签集合。 文本分类的应用非常广泛，如： 垃圾邮件分类：2分类问题，判断邮件是否为垃圾邮件 情感分析：2分类问题：判断文本情感是积极还是消极；多分类问题：判断文本情感属于{非常消极，消极，中立，积极，非常积极}中的哪一类 自动问答系统中的问句分类 社区问答系统中的问题分类：多标签多分类(对一段文本进行多分类，该文本可能有多个标签)，如知乎看山杯 让AI做法官：基于案件事实描述文本的罚金等级分类(多分类)和法条分类(多标签多分类 给定2个⼀维卷积核，核宽分别为2和4，输出通道数分别设为4和5。因此，⼀维卷积计算后，4个输出通道的宽为 11 - 2 + 1 = 10，而其他5个通道的宽为 11 - 4 + 1 = 8。 4. 代码实现 ?
2.7K41发布于 2019-12-05 - 来自专栏爬虫逆向案例
NLTK-007：分类文本（文档情感分类）
为了检查产生的分类器的可靠性，我们在测试集上计算其准确性。然后我们使用 show_most_informative_features()来找出哪些是分类器发现最有信息量的。 训练和测试一个分类器进行文档分类： featuresets = [(document_features(d),c) for (d,c) in documents] train_set,test_set 但是这个是手工的，我们这里可以训练一个分类器来算出哪个后缀最有信息量。 分类器在决定如何进行标注时，会完全依赖他们强调的属性。在这个情况下，分类器将只基于一个给定的词拥有（如果有）哪个常见的后缀的信息来做决定。 所以今天我们构造的词性分类器。 一个词性分类器，它的特征检测器检查一个词出现的上下文以便决定应该分配的词性标记。特别的，前面的词被作为一个特征。
61310发布于 2021-11-22 - 来自专栏PaddlePaddle
【文本分类】基于DNNCNN的情感分类
本周推文目录如下： 周一：【点击率预估】 Wide&deep 点击率预估模型 周二：【文本分类】 基于DNN/CNN的情感分类 周三：【文本分类】 基于双层序列的文本分类模型 周四：【排序学习】 基于 在文本分类任务中，我们以情感分类任务为例，提供了基于DNN的非序列文本分类模型，以及基于CNN的序列模型供大家学习和使用（基于LSTM的模型见PaddleBook中情感分类一课http://www.paddlepaddle.org 简介 文本分类任务根据给定一条文本的内容，判断该文本所属的类别，是自然语言处理领域的一项重要的基础任务。 我们以情感分类任务为例，简单说明序列模型和非序列模型之间的差异。情感分类是一项常见的文本分类任务，模型自动判断文本中表现出的情感是正向还是负向。 |4. 使用自定义数据训练和预测 A.如何训练 (1)数据组织 假设有如下格式的训练数据：每一行为一条样本，以 \t 分隔，第一列是类别标签，第二列是输入文本的内容，文本内容中的词语以空格分隔。
2K40发布于 2018-03-15 - 来自专栏机器学习算法工程师
LSTM文本分类实战
作者：王千发 编辑：龚 赛 什么是文本分类 1 文本分类在文本处理中是很重要的一个模块，它的应用也非常广泛，比如：垃圾过滤，新闻分类，等等。 传统的文本分类方法的流程基本是： 预处理：首先进行分词，然后是除去停用词； 将文本表示成向量，常用的就是文本表示向量空间模型； 进行特征选择，这里的特征就是词语，去掉一些对于分类帮助不大的特征。 常用的特征选择的方法是词频过滤，互信息，信息增益，卡方检验等； 接下来就是构造分类器，在文本分类中常用的分类器一般是SVM，朴素贝叶斯等； 训练分类器，后面只要来一个文本，进行文本表示和特征选择后，就可以得到文本的类别 应用深度学习解决大规模文本分类问题最重要的是解决文本表示，再利用CNN/RNN等网络结构自动获取特征表达能力，去掉繁杂的人工特征工程，端到端的解决问题。 / [2] https://zhuanlan.zhihu.com/p/25928551 [3] https://www.qcloud.com/community/article/185672 [4]
5.1K40发布于 2018-03-06 - 来自专栏全栈程序员必看
文本分类算法综述
文本分类大致有两种方法：一种是基于训练集的文本分类方法；另一种是基于分类词表的文本分类方法。 4）在新文本的K个邻居中，依次计算每类的权重，计算公式为 其中， 函数，即，如果 属于类 ，那么函数值为1，否则为0。 5）比较类的权重，将文本分到权重最大的那个类别中。 其主算法步骤如下： 1）从训练集中随机选择一个既含正例又含反例的子集（称为“窗口”）； 2）用“建树算法”对当前窗口形成一棵决策树； 3）对训练集（窗口除外）中例子用所得决策树进行类别判定，找出错判的例子； 4） 建树算法： 1）对当前例子集合，计算各特征的互信息； 2）选择互信息最大的特征 ； 3）把在 处取值相同的例子归于同一子集， 取几个值就得到几个子集； 4）对既含正例又含反例的子集，递归调用建树算法； Boosting算法： 类似Bagging方法，但是训练是串行进行的，第k个分类器训练时关注对前k-1分类器中错分的文档，即不是随机取，而是加大取这些文档的概率. 3.8 小结 本章主要介绍了当前文本分类领域常用的几种文本分类算法及其原理
90920编辑于 2022-06-27 - 来自专栏机器学习AI算法工程
文本自动分类案例（源码）
使用机器学习方法 做文档的自动分类 套路： 1.根据每个文件 生成该文件的一个特征 2.根据特征 选择 分类器 进行文本分类 3. (可选)根据 2 步结果，调整参数/特征等 示例： 数据：搜狗文本分类语料库 精简版 分类器：朴素贝叶斯 编程语言：Python+nltk自然语言处理库+jieba分词库 [python] view plaincopy 简单以统计 所有文件词频，选用101-1100 1000个词作字典 我觉得 字典完全可以从 数据上 学习(要比上面方法高明些)，就像在图像处理中 稀疏模型 学习字典(KSVD)一样 自然语言处理/文本处理 中也应该存在这样的方法 3.文件的特征 是[0,0,1,0,0,1,...]并不是统计每个文件的词频， 这跟选择的分类器相关，如果选择svm等 就要对文件 生成词频特征 4.到后面(见上图)，单个文件处理时间显著增长 start=0&post=ok#last ） 以 机器学习 的小无相 打了一套 自然语言处理/文本挖掘 的招数 难免有些生硬 望专家指点
1.5K120发布于 2018-03-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号