Java的文本分類問題

我有一組書籍的對象，班組長書定義如下：Java的文本分類問題

Class Book{ 

String title; 
ArrayList<tags> taglist; 

}

凡冠軍是書的標題，例如：的Javascript傻瓜。

和標記列表是我們的示例的標籤列表：的Javascript，jQuery的，「網站開發」，...

正如我說的是有一個帳套談論不同的事情：IT，生物，歷史，... 每本書都有一個標題和描述它的一套標籤..

我不得不automaticaly那些書分爲分割出的主題，例如：

IT書籍：

的Java傻瓜
的Javascript傻瓜
學習Flash 30天
C++編程

史書：

世界大戰
美國在1960年
馬丁·路德·金的生活

生物學書籍：

....

難道你們知道的分類算法/方法申請那樣的問題？

一種解決方案是使用外部API定義文本的範疇，但這裏的問題是，書是不同的語言：法語，西班牙語，英語..

來源

2010-05-12 Youssef

是的，但有是書籍之間的一些共同標籤:( – Youssef 2010-05-12 19:03:43

相關問題：http://stackoverflow.com/questions/2781752/naive-bayesian-for-topic-detection-using-bag-of-words-approach/2783356#2783356 – dmcer 2010-05-12 19:26:41

不錯謝謝你（y） – Youssef 2010-05-12 21:22:47

這看起來像是一個相當簡單的基於關鍵詞的分類任務。由於您使用的是Java，因此要考慮的良好軟件包爲Classifier4J,Weka或Lucene Mahout。

Classifier4J

Classifier4J支持使用naive Bayes和vector space模型分類。

正如在source code snippet關於使用樸素貝葉斯分類器的訓練和評分中看到的，該軟件包相當易於使用。它也在自由派Apache Software License下分發。

Weka的

Weka的是數據挖掘的一個非常受歡迎的工具。使用它的一個優點是，您將能夠輕鬆嘗試使用衆多的different machine learning models將書籍分類爲主題，包括naive Bayes,decision trees,support vector machines,k-nearest neighbor,logistic regression，甚至是rule set based learner。

你會發現關於使用Weka進行文本分類的教程here。

但是，Weka是根據GPL分發的。您將無法將其用於要發佈的封閉源代碼軟件。但是，您仍然可以使用它來支持Web服務。

Lucene的亨利馬烏

亨利馬烏是專爲做機器學習上非常大的數據集。它建立在Apache Hadoop之上，並支持使用樸素貝葉斯的監督分類。

你會發現一個教程，涵蓋如何使用Mahout的文本分類here。

和Classifier4J一樣，Mahout在自由派Apache Software License下發行。

來源

2010-05-12 19:07:56 dmcer

好暗示謝謝 – Youssef 2010-05-12 21:22:19

使用classfier4j，VectorClassifier爲我工作最好 – Indraneel 2015-08-19 04:43:33

-1

你可能想查找fuzzy matching algorithms如Soundex和Levenshtein。

來源

2010-05-12 18:24:47 JRL

酷，這是一個很好的方法來計算2個字符串之間的距離，謝謝 – Youssef 2010-05-12 19:06:43

你能詳細說明你將如何使用Soundex和Levenshtein將關鍵字列表映射到主題？ – dmcer 2010-05-12 19:25:28

所以你正在尋找一個持有書籍集合的標籤地圖？

編輯：

聽起來像是你可能想看看一個Vector Space Model申請類別的分類。

Lucene或Classifier4j提供了一個框架。

來源

2010-05-12 18:41:04 tylermac

我正在尋找一個書籍對象的地圖，其中的關鍵是類別名稱。 – Youssef 2010-05-12 19:03:13

@yox：製作地圖。這是你的答案。 – 2010-05-12 19:18:38

我不想通過標籤書籍..我想通過主題（地圖鍵）這裏不存在的書籍，這將是一個人工生成的字符串 – Youssef 2010-05-12 21:03:44

你不想要像這樣簡單的東西嗎？

Map<Tag, ArrayList<Book>> m = {}; 
for (Book b : books) { 
    for (tag t : b.taglist) { 
     m.get(t).add(b); 
    } 
}

現在m.get("IT")將返回所有IT書籍等...

當然有些書會出現在多個類別，但這種情況發生在現實生活中，太多......

來源

2010-05-12 19:11:54 Claudiu

不，標籤是如果你想在書中的重要單詞列表.. 這將有助於分組書籍。 – Youssef 2010-05-12 21:01:10

@yox：啊所以你想根據書中的標籤分類主題？或基於書本文字？並且標籤/書本文本可以使用不同的語言？ – Claudiu 2010-05-12 21:23:19

exaclty，我想分類只使用標籤和標籤是在不同的語言。 – Youssef 2010-05-13 13:19:35

Java的文本分類問題

回答

相關問題