文字分类 文本分类（文本分类）是自然语言处理中的一个重要应用技术，根据文档的内容或主题，自动识别文档所属的预先定义的类别标签。文本分类是很多应用场景的基础，某些垃圾邮件识别，舆情分析，情感识别，新闻自动分类，智能客服机器人的合并分类等等。此处分为两个部分： 第1部分：基于scikit学习机器学习的Python库，对比几个传统机器学习方法的文本分类 第2部分：基于预训练词向量模型，使用Keras工具进行文本分类，用到了CNN 本文语料：，密码：P9M4。更多新闻标注语料，。 预训练词向量模型来自，下载地址： 。 第1部分：基于scikit-learn机器学习的文本分类方法 基于scikit-

搜狐新闻语料，5000条，包括新闻标题、新闻链接、新闻内容、新闻类别。 搜狐新闻语料，5000条，包括新闻标题、新闻链接、新闻内容、新闻类别。

文本分类 @作者：明亮的安静@Email：sina dot com的brighthush 英文自述文件 项目介绍 这是一个用于中文文本分类的python项目。 我完成了这个项目作为自然语言理解课程的家庭作业。 在这个实验中，我使用了搜狗-文本-分类开放语料库。 我使用 TF/IDF 和信息增益作为特征提取算法。 由于我很懒，所以只实现了两个简单的分类算法，它们是 K-Nearest-Neighbour 和朴素贝叶斯分类。 在提取文本特征时，我们总是需要将句子分割成单词。 我用jieba做分词。 你也可以从获取这个模块。 代码中的命名约定 modeule_name, package_name, method_name, function_name, instance_var_name, function_parameter_name, local_var_name globa_var_n

搜狗的新闻中文语料库，可用于word2vec训练用的。。。。。。。。。。。。。。。。。。。。。。。。

从各个网站上爬取的政治新闻，包括新浪网，凤凰网，环球网以及中华网！

对搜狗实验室的2012搜狐新闻语料进行切分、格式转换（已转为UTF8），从中抽取了11个新闻类别并分文件夹存储，每个txt文件包含600篇新闻。数据大概共54M，可以用于中文分类。

复旦大学新闻语料库，此为训练集。使用请注明来源：复旦大学计算机信息与科学技术系国际数据库中心自然语言处理小组

这里面的包括的数据集包括训练集和测试集，训练集是train_corpus,测试集是test_corpus.

文本分类语料库训练集，供学习测试使用。新闻类语料（已标签分类），包含经济、交通、教育、环境、体育、医药等类目共上千份新闻文本。

做毕设自用的中文新闻文本分类语料库，整理自搜狗新闻和清华新闻语料，共八个类别，每类已分好4000条训练集和1000条测试集。附赠一份停用词表，综合了哈工大停用词及川大停用词。