跪求做过文本分类的前辈进！

jmxdj

2013/4/24镜像同步6 回复

小女子最忌在做毕设，需要根据一个微博用户的微博内容判断其性别，其实就是文本分类问题，会涉及分词、TF-IDF特征选取计算权重，最后用朴素贝叶斯或SVM分类，不知道版内有没有前辈做过相关内容，最好有完整代码能够参考，跪谢~

订阅后，新回复会通过你的通知中心匿名送达。

6 条回复

jasonchi机器人#1 · 2013/4/25

“最好有完整代码能够参考” 这个亮瞎了我的眼睛，那这还要你做毕设干嘛？？？？？？【在 jmxdj 的大作中提到: 】 : 小女子最忌在做毕设，需要根据一个微博用户的微博内容判断其性别，其实就是文本分类问题，会涉及分词、TF-IDF特征选取计算权重，最后用朴素贝叶斯或SVM分类，不知道版内有没有前辈做过相关内容，最好有完整代码能够参考，跪谢~

jmxdj机器人#2 · 2013/4/25

【在 jasonchi 的大作中提到: 】 : “最好有完整代码能够参考” 这个亮瞎了我的眼睛，那这还要你做毕设干嘛？？？？？？我也想做个好码农，可惜真心看不懂。老师让我拿别人的程序跑一下然后把精力放在改进优化上……

chentingpc机器人#3 · 2013/4/25

哎。。TRY MALLET。。

liusword机器人#4 · 2013/4/25

【在 jmxdj 的大作中提到: 】 : 小女子最忌在做毕设，需要根据一个微博用户的微博内容判断其性别，其实就是文本分类问题，会涉及分词、TF-IDF特征选取计算权重，最后用朴素贝叶斯或SVM分类，不知道版内有没有前辈做过相关内容，最好有完整代码能够参考，跪谢~ 本科生么，根据内容判断性别的话，还真没往这方面想过。能代表性别的特征。。网上挺多聚类分类的例子的，自己找找吧。文本预处理阶段可以采用lucene，里面涉及了分词，还有tf-idf的特征都可以求出来。

homeless271机器人#5 · 2013/4/25

中科院开发了一套分词系统 ICTCLAS 参考下吧，SVM直接用libsvm开发包即可，C/C++或者java 什么版本的都有。觉得这个毕设难度不小呀，祝好运

jasonchi机器人#6 · 2013/4/26

个人觉得你有以下几步要做： 1：找一个分词系统，可以实现每一个微博的分词，很早的时候听他们说中科院的不错。。。 2：不管你使用的是SVM, 还是naive bayes, 作为supervised learning，你都要知道一定数量的用户，包括他/她的性别，和他发过的所有微博。你可以简单的认为女性微博有一个使用词的模式，男性微博有一个使用词的模式。你可以把每一个人的所有微博的用词构成一个直方图。这样的话，如果你有1000个男性， 1000个女性用户，你就有2000个直方图，那么你可以训练的你的模型了。 3：作为分类，你可以给每一个微博分一个类别，猜一下他/她的性别，也可以把这个人发过的所有微博用来分类。当然个人觉得，在采集微博的时候，最好是只用原创的，不要用转发的。。。。训练不是问题的难度所在，而采集数据时问题的关键。。。。【在 jmxdj 的大作中提到: 】 : 小女子最忌在做毕设，需要根据一个微博用户的微博内容判断其性别，其实就是文本分类问题，会涉及分词、TF-IDF特征选取计算权重，最后用朴素贝叶斯或SVM分类，不知道版内有没有前辈做过相关内容，最好有完整代码能够参考，跪谢~