Java文本分类问题〔关闭〕

这看起来是一个相当简单的基于关键字的分类任务。因为您使用Java,因此需要考虑好的包。 Classifier4J , Weka 或 Lucene Mahout .

分类4J

Classifier4J支持使用 naive Bayes 和A vector space 模型。

如此所见 source code snippet 在使用朴素的贝叶斯分类器进行训练和评分时,包是相当容易使用的。它也在自由党的领导下发行 Apache Software License .

韦卡

WEKA是一种非常流行的数据挖掘工具。使用它的一个优点是你可以很容易地尝试使用许多 different machine learning models 将书籍分类为主题,包括 朴素贝叶斯 , decision trees , support vector machines , k-nearest neighbor , logistic regression 甚至是 rule set based learner .

您将找到一个关于使用WEKA进行文本分类的教程。 here .

但是,WEKA分布在 GPL . 您将无法将其用于要分发的封闭源代码软件。但是,您仍然可以使用它来支持Web服务。

卢西恩马哈特

Mahout是为在非常大的数据集上进行机器学习而设计的。它建在 Apache Hadoop 并支持使用NaiveBayes进行监督分类。

您将找到一个教程,介绍如何使用mahout进行文本分类。 here .

像Classifier4J一样,Mahout也是在自由主义者的领导下发行的。 Apache软件许可证 .

你不想要这么简单的东西吗?

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

现在 m.get("IT") 将归还所有IT书籍等…

当然,有些书会出现在多个类别中,但这也发生在现实生活中…

所以你想制作一张包含一系列书籍的标签的地图?

编辑:

听起来你可能想看看 Vector Space Model 应用类别分类。

要么 Lucene 或 Classifier4j 为此提供一个框架。

你可能想看看 fuzzy matching algorithms 比如Soundex和Levenshtein。