随着文本数据的大量涌现,对文本的分类需求也愈加强烈。然而多数学者都是直接使用查全率、查准率和Fβ值来对文本分类结果进行评测,忽略了模型的拟合情况。本文以包含19个类别的中文分类语料作为数据集,基于两种特征提取方法、三种不同的机器学习算法进行文本分类,并且使用一种多分类对数损失函数来评判模型的拟合效果,进一步对分类结果使用准确率来进行评测。最终结果表明,基于XGBoost模型的模型拟合及分类效果均优于逻辑回归和Naive Bayes。
科研之友
微信
新浪微博
Facebook
分享链接
