木棉分类队朱旭（队长）、李嘉林、曹鸿、农双、刘鹏飞.pptVIP

 木棉分类队：朱旭圻(队长)、李嘉林、曹鸿、 农双、刘鹏飞、张启蕊 xqzhu@scut.edu.cn 目录 系统模型 技术平台 实现方案 未来展望 系统模型 技术平台 开源分类软件RAINBOW 中科院的开源中文分词系统ICTCLAS 开源分类软件SVMlight 网页转换器与网页预处理器 运行监控器 实现方案说明 数据源 网页转换 预处理 中文分词 特征选择 分类系统 数据源 网页转换 预处理 中文分词 系统模型说明－中文 特征选择 特征选择图 特征选择 按照IG(信息增益)来计算，取IG较大的前63400（全部约81000）个 63400个特征项=中文36531个+26713个其他词 中文36531个=34505个名词+1895个动名词+131个形容词名词 特征选择 信息增益最大的前20位 分类系统 系统模型说明-分类系统 分类系统 出错处理与结果效验 系统模型说明-出错处理与结果效验 存在的问题 谢谢各位来宾！ 华南木棉中文网页分类器 CWT100G 网页转换 单个网页集合 00 01 02 03 87 88 。。 CWT1G 预处理 WEBBENCH 预处理 中文分词 特征选择 中文分词 特征压缩 分类系统 CCT100G 00 88 出错处理 00 88 结果效验 。。 CWT100G 网