java - 如何对用lucene索引的文档进行分类

Question

我用 Lucene 对一组文档进行了分类(字段:内容、类别)。每个文档都有自己的类别，但其中一些文档被标记为未分类。 java中有什么方法可以方便的对这些文档进行分类吗？

Answer 1

分类是机器学习/统计领域的一个广泛问题。阅读您的问题后，我觉得您使用了某种 SQL group by 子句(尽管在 Lucene 中)。如果您希望机器对文档进行分类，那么您需要了解神经网络、贝叶斯、SVM 等机器学习算法。Java 中有优秀的库可用于这些任务。为此，您将需要可以训练算法的特征(从数据中提取的一组属性)，以便它可以预测您的分类标签。

Java 中有一些很好的 API(这使您可以专注于代码，而不必过多地了解这些算法背后的数学理论，但如果您知道这将非常有利)。维卡不错我还看到了 Manning 的几本书，它们很好地处理了这些任务。给你:

行动中的集体智慧第 10 章(分类):http://www.manning.com/alag/

智能网算法第五章(分类):http://www.manning.com/marmanis/

这些绝对是关于分类的绝妙 Material (对于 Java 用户)，特别适合那些不想深入研究理论(尽管非常重要 :))并且只想快速获得工作代码的人。

Collective Intelligence in Action 使用 JDM 和 Weka 解决了分类问题。因此，请查看这两个用于您的任务。