中文文本分类研究

对于中文文本分类，有两个指标比较重要，

一个是分类的速度

在当前信息爆炸的环境下，每个人都参与创造信息，互联网的发展，让信息的流动成本更低廉。
原本纸质邮件可能需要几个月才能将信息传递到地球的另外一面，现在电子邮件可以用光速，在几秒内传遍地球甚至传送到国际空间站上的宇航员电脑中。

信息流动的更快，意味着，一个人，在二十年前，一天内可能接收的信息如果是1万个字的话，在今天，只要他/她愿意，他可以在电脑前 接收上百万甚至上千万字的实时、新信息！

信息流动成本更低廉，也让虚假信息的流动更泛滥。在二十年前，没有人印刷垃圾广告并免费投送给读者，因为印刷纸质广告的成本太高，虚假信息的收益不足以支撑。今天，垃圾电子邮件让虚假信息的发布变得极为廉价。

信息爆炸，让挑选有效信息、筛选掉垃圾数据、有效组织好信息并传递到真正需要它的人那里成为一个迫切的任务。

全球有上亿的网站，每个网站几乎都在时刻不停的更新、创造出新的网页信息。

随着信息量不断增加，对海量数据的及时处理的成本在随着网站数目的增加而指数级增加，如何高速、低成本的及时处理海量数据愈发重要。


另一个是分类的精度

一个分类精度不可接收的算法，对文本的处理速度再快，也没有实用价值。

每秒分类14万(140,000)个新闻文本数据,综合分类成功率99%以上的中文文本分类算法！

软硬件环境：ubuntu 64bit，q8200 4GB

综合效能： 体育类 99.04%,  汽车 类 98.53%,  军事类 98.29% , 性能：每秒分类14万(140,000)个新闻文本数据（在线演示系统的性能受到网站带宽限制，并不能 表现真实性能）

排除掉预分类错误的情况，成功率应该均为99%以上。可检验！

具体请见
http://www.1rgzn.com/index.php/onlinedemo?start=1

有 在线演示、api接口供程序使用。