文本数据的机器学习自动分类方法(上)

本文为第一部分,着重介绍文本预处理以及特征抽取的方法。算法 随着互联网技术的迅速发展与普及，如何对浩如烟海的数据进行分类、组织和管理，已经成为一个具备重要用途的研究课题。而在这些数据中，文本数据又是数量最大的一类。“文本分类是指在给定分类体系下，根据文本内容自动肯定文本类别的过程”（达观数据科技联合创始人，张健）。文本分类有着普遍的应用场景，例如：数据库 新闻网站包含大量报道文章，基于文章内容，须

>>阅读原文<<