標籤文本文檔 - 受監督的機器學習

我目前正在開發一個項目，我正在接收電子郵件，使用電子郵件包剝離郵件正文，然後我想用體育，政治，技術等標籤對它們進行分類。等等...我已經成功地從我的電子郵件中刪除了郵件正文。我期待着開始分類。標籤文本文檔 - 受監督的機器學習

爲了製作多個標籤，如運動，科技，政治，娛樂等，我需要每個標籤的一組詞語來製作標籤。舉例

體育標籤將標籤數據：足球，足球，曲棍球......

我在哪裏可以找到網上的標籤數據，以幫助我嗎？

我不知道這是一個計算器的類型的問題。如果您已經擁有電子郵件，則可以嘗試使用LDA提取主題詞。 –

你正在試圖做的，什麼叫主題建模： https://en.wikipedia.org/wiki/Topic_model

的主題列表是非常依賴於你的訓練數據集，併爲您建立這個最終目的。一個很好的開始可以在這裏： https://nlp.stanford.edu/software/tmt/tmt-0.4/

你可以看看他們的話題，但你可能還用它來給一些初始話題您的數據，只是他們的話題上面工作。

2017-07-16 05:43:17 EranP

我有主題/標籤列表，我有內容。 – SecQuestionnA

您可以使用BBC數據集。它已標記新聞文章，可以幫助。

進行特徵提取，刪除停用詞，詞幹做，使用正克與TF-IDF，和不是選擇最好的功能

2017-07-16 05:47:19 user3761001

您可以使用DMOZ。

被獎勵，有不同種類的文字。對於e.g最常見的一個詞在電子郵件文本將Hi或Hello但在維基文本Hi和Hello不會是常用詞

2017-07-16 18:34:19 oshribr

回答