我有数百万个简短(最多 30 个单词)的文档，我需要将它们分成几个已知的类别。一个文档有可能匹配几个类别(很少，但有可能)。文档也可能与任何类别都不匹配(也很少)。我还有数百万份已经分类的文件。我应该使用什么算法来完成这项工作。我不需要那么快。我需要确保算法正确分类(尽可能)。
我应该使用什么算法？ in在C#中有实现吗？
感谢您的帮助!
最佳答案
看看term frequency and inverse document frequency还有cosine similarity找到重要的词来创建类别并根据相似性将文档分配给类别
编辑:
找到一个例子here
关于c# - 文本分类算法，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/3890734/