text-classifier-collection Java 文本分类器集合

程序名称：text-classifier-collection

授权协议: GPL

操作系统: 跨平台

开发语言: Java

text-classifier-collection 介绍

文本分类器集合

一个强大易用的Java文本分类工具包

特色

• 功能全面

• 内置信息检索中各种常用的文本预处理方法，如语言感知分词、词干提取、繁简转换、停用词去除、同义词插入、n-gram生成等等

• 内置SVM、kNN、朴素贝叶斯等多种分类器

• 内置支持CSV等格式数据的读取

• 高度可定制

• 你可以插入你编写的分词方法、单词规范化方法、停用词列表、同义词列表、TF-IDF公式等等

• 可以轻易实现你自己的分类器而与工具包中其它工具一起使用

• 容易使用

• 可自动按给定数据集选取最优分类器

• 与Java8引入的流和函数式API无缝结合

效果

数据集	样本数	分类数	准确率
[YouTube Spam Collection](http://archive.ics.uci.edu/ml/datasets/YouTube+Spam+Collection)	1956	2	92.1%
[SMS Spam Collection](http://archive.ics.uci.edu/ml/datasets/SMS+Spam+Collection)	5574	2	98.2%
[Sentence Classification](http://archive.ics.uci.edu/ml/datasets/Sentence+Classification)	1510	5	80.4%
[Reuters-21578 Text Categorization Collection](http://archive.ics.uci.edu/ml/datasets/Reuters-21578+Text+Categorization+Collection)	21578	135	59.8%
[Reuters-21578 Text Categorization Collection](http://archive.ics.uci.edu/ml/datasets/Reuters-21578+Text+Categorization+Collection)	21578	175	67.8%

text-classifier-collection 官网

https://github.com/chungkwong/text-classifier-collection