文本分類專題（ultimate 版）絕對是目前最全的C++版開源文本分類代碼和最令人耳目一新的實驗解釋

最終版本的文本分類代碼、語料、以及中間檔案都已經開源共用見： http://www.cnblogs.com/finallyliuyu/archive/2012/01/15/2322721.html。由於資料和程式規模比較大，就不在部落格園上傳了。大家可以自己註冊下載。

（註：轉載請註明作者和出處 作者：finallyliuyu  出處：部落格園）

適用人群：文本分類初學者、新手、菜鳥、業餘愛好者

目的：1.將書本上關於文本分類的相關內容，如分類器、特徵詞選擇演算法等，用程式實現，讓入門者對文本分類有個感性的、具體的瞭解，畢竟數學公式還是蠻抽象的；

         2.“盡信書不如無書”，“紙上得來終覺淺，絕知此事要躬行”，藉助於此平台可以對書本上的一些關於分類器、特徵詞選擇演算法的結論進行驗證；

        3.寫給我自己，體驗 “the magic of mathematics” 。

1.擷取語料庫

方法一：搜狗2008版語料庫；處理常式見《菜鳥學習C++練筆之整理搜狗2008版語料庫--擷取分類語料庫》

方法二：finallyliuyu在部落格園空間提供的語料庫參見 《獻給熱衷於自然語言處理的業餘愛好者的中文新聞分類語料庫之二》

2. 文本分類系統設計架構圖

 

預先處理過程流程圖

分類別模組流程圖：

 

 

3. 各部分代碼講解

預先處理模組

3.1建立詞典

3.2全域DF特徵詞選擇演算法

3.3局部DF特徵詞選擇演算法或者按類別DF特徵詞選擇演算法

3.4卡方特徵詞選擇演算法

3.5資訊增益法以及點互資訊法

3.6 VSM模型建立方法

分類別模組

3.7 KNN分類演算法

3.8 準確率，召回率，F值計算

 

4.  程式調用說明：

4.1 文本分類step by step 1

4.2 文本分類 step by step 2

 

 

 5。 對分類問題特徵詞選擇演算法的一點見解（重點推薦）

6。資源下載（注意右鍵點擊用迅雷軟體方可下載）：

空間提供方：部落格園。再次感謝部落格園團隊和DUDU

實驗中用到的語料庫  注意：語料庫為MSSQL2000備份格式，如何還原請大家自己查閱相關資料，網路上有很多這方面的知識也就不贅述了。

程式資源