哈尔滨工业大学：《信息检索》课程教学资源（课件讲义）文本分类 Text Categorization（主讲：刘挺）

文本分类 (Text Categorization) 刘挺 哈工大信息检索研究室 2004年秋

文本分类 (Text Categorization) 刘挺 哈工大信息检索研究室 2004年秋

提纲 ■文本分类概述 ■特征提取 ■主要分类算法 ·Rocchio法 ▣贝叶斯 ·K近邻 。决策树

提纲 „ 文本分类概述 „ 特征提取 „ 主要分类算法 „ Rocchio 法 „ 贝叶斯 „ K近邻 „ 决策树

文本分类概述

文本分类概述

分类的概念 ■给定： ■一个实例的描述，XX是实例空间 ·一个固定的文本分类体系：C={C1,C2.G} ·由于类别是事先定义好的，因此分类是有指 导的（或者说是有监督的） ■确定： ■实例的类别(x)ECG(x)是一个分类函 数，定义域是X,值域是C

分类的概念 „ 给定: „ 一个实例的描述, x∈ X, X是实例空间 „ 一个固定的文本分类体系: C={ c1, c2 , … cn } „ 由于类别是事先定义好的，因此分类是有指 导的（或者说是有监督的） „ 确定: „ 实例 x的类别 c( x) ∈C, c( x) 是一个分类函 数，定义域是 X ，值域是 C

说明 分类模式 。2类问题， 属于或不属于(binary) ■于 多类问题，多个类别(multi--class), 可拆分成2 类问题 ·一个文本可以属于多类(muti-label) ■分类体系一般人工构造 ·政治、体育、军事 。中美关系、恐怖事件 ■很多分类体系：Reuters分类体系、中图分类

说明 „ 分类模式 „ 2类问题，属于或不属于(binary) „ 多类问题，多个类别(multi-class)，可拆分成2 类问题 „ 一个文本可以属于多类(multi-label) „ 分类体系一般人工构造 „ 政治、体育、军事 „ 中美关系、恐怖事件 „ 很多分类体系: Reuters分类体系、中图分类