生活词典 changshi.cidiancn.com

阅读: 191

豆瓣九点是如何做文章自动分类的？如果不是人工编辑，那么就是一个文本主题分类的问题。如果是贝叶斯，那么是完全切词，通过人工标注一批样本学习一个分类器，还是通过特定的词是否在文章中出现进行学习？如果是前者，这个样本量是多少？后者是否需要更新特殊词词典？或者是别的取 feature方式学习？2 个答案

答案 1：

不好意思，没办法回答的非常详细。基本上是一个半监督的学习过程，会给每个博客计算profile确定分类，同时对博客里的文章再计算profile进行调整。豆瓣的一个优势是拥有比较完整的用户兴趣数据，因此可以不必局限于博客和文章的文本进行分类。把用户的兴趣数据利用起来可以收到比较好的效果。

答案 2：

你说的两种方式都不是非此即彼的，完全切词后也需要特征提取（找一个特殊词词典），特定词是否出现其实就是决策树方法的一个特例，两个方式都需要机器学习，说到机器学习，那就是一个方法了，只是算法选择有差异罢了。

分享常识给亲友.

下一篇:新浪 SAE 和 Google 的 GAE 哪个好？ 下一篇 【方向键 ( → )下一篇】

上一篇:知乎的正文字号能不能大一号便于阅读？ 上一篇 【方向键 ( ← )上一篇】