文本分类及主题挖掘

成员

• 杨亮
• 王丹(男)
• 朱鹏飞

项目简介：

文本有10个类别，环境、计算机、教育、交通、经济、军事、体育、医药、艺术、政治，通过对每种类别的每篇文章进行预处理，分词，去除停用词，统计tf-idf，生成词袋模型，在利用标签进行训练，训练方法为knn，然后对没有标签的文本进行预测分类。

主题抽取，对于每种类别，统计词袋模型中靠前的几个单词，则可以描述该主题的主要内容。