“Document classification test”版本间的差异
来自cslt Wiki
(→VSM Test) |
(→VSM Test) |
||
第27行: | 第27行: | ||
|+ classification result | |+ classification result | ||
|- | |- | ||
− | ! | + | ! !! 财经!! IT!! 健康!! 体育!! 旅游 !!教育 !! 招聘!! 文化!!军事!!sum |
|- | |- | ||
! ACC | ! ACC |
2014年9月9日 (二) 02:18的版本
目录
Problem And Solve
Document classification of Sougou data
- DATA
- Data from SougouLab [1],using SogouC.reduced(30M)
- 9-Classes:财经,IT,健康,体育,旅游,教育,招聘,文化,军事
- train and test: train(),test(),dev()
- Text preprocessing
- Segment word using wordlist of 9W.(tencent)
- Remove stop word.stop_wordlist is
- Some Tools
- weka
- scw
- google word2ve
- LDA
VSM Test
- Data
- dimension:9402
- Method
- document reprenstion: use the tf-idf weight for word weight
- classifier: Native Bayes
- Result
财经 | IT | 健康 | 体育 | 旅游 | 教育 | 招聘 | 文化 | 军事 | sum | |
---|---|---|---|---|---|---|---|---|---|---|
ACC | 0.678 | 0.718 | 0.708 | 0.708 | 0.73 |