基于svm的中文文本自动分类系统

  今天刚改完成了软件工程的大作业展示，即：基于内容的文本分类系统，使用libsvm 进行分类。在百度谷歌了很久之后，发现很少有这样的源码可以下载，本人便想着写完之后上传上去。

      首先介绍一下流程：

      1.先使用中科院的分词器ICTLAS对训练集进行分词

     2.将所有的词构建成一个字典，以label item的形式，后面svm要用到。如：1 中国

3.提取特征词，由于并不是每个词都是有用的，因此要提取出特征词，主要提取名词，动词，动名词，和用户自定义的词。由于采用了中科院的分词算法，分词结果有词性标注，一个正则表达式就可以提取出来。

4.计算文档的TF-IDF，这个很简单，我采用的是最简单的一种计算方法，有兴趣可以去计算难一点的。

5.将每个训练集的分词结果转换成libsvm 的语料格式，红色框框的是 类标号（对每个分类设置一个标号）后面的是词项(label)：词频(tf-idf)，如下图。

6.对数据进行缩放，缩放至0-1之间，采用libsvm里面自带的缩放工具，不过我改了一些入口参数，可以将缩放后的结果保存到文件中，原来代码里没有，我的代码里面有注释，

7.采用libsvm生成模型，可以直接调用libsvm里面的包

8.允许用户输入测试集，然后调用生成的模型进行预测

9.将分类结果导出到文件夹中，每个分类建立一个文件夹，文件夹下面就是测试的文件，如图：

生成模型的运行步骤如下（我代码里已经有生成过的模型，不过你想要重新生成的话机这样子做）：

接下来让大家看一下软件运行效果图：

以上便是整个分类的结果，代码我放到了csdn上，训练集也放在了csdn上，先说明整个是一个完整的项目，我要得积分会比较高，项目源码10分，训练集语料8分，

源代码：http://download.csdn.net/detail/yinchuandong2/6795083

语料库：http://download.csdn.net/detail/yinchuandong2/7669989（新上传的，大家可以下载，）

我的博客：http://www.yinchuandong.com/