分類難題是人們所面對的一個十分關(guān)鍵且具備普適性的難題。將事情恰當?shù)姆诸?，有利于大家了解全球，使亂七八糟的現(xiàn)實世 界越來越條理清晰。全自動文本分類便是對很多的自然語言處理文字依照一定的主題風(fēng)格類型開展全自動分類，它是自然語言處理解決的一個十分關(guān)鍵的難題。文本分類關(guān)鍵運用于信息查找，翻譯機器，全自動摘要，信息過慮，電子郵件分類等每日任務(wù)。分類頁公司文本分類的一個至關(guān)重要的問題是特征詞的選擇問題以及權(quán)重值分派。

    在百度搜索引擎中，文本分類關(guān)鍵有這種主要用途：關(guān)聯(lián)性排序會按照不一樣的網(wǎng)頁頁面種類做對應(yīng)的排序標準；依據(jù)網(wǎng)頁頁面是數(shù)據(jù)庫索引網(wǎng)頁頁面或是信息網(wǎng)頁頁面，免費下載生產(chǎn)調(diào)度情況下會做不一樣的運營對策；在做網(wǎng)頁頁面信息提取的情況下，會按照網(wǎng)頁頁面分類的效果做不一樣的提取對策；在做查找意圖識別的情況下，會依據(jù)客戶所單擊的url隸屬的類型來推論查找串的種類這些。在分類的過程中最 先會碰到文檔流于形式表明的難題，文檔實體模型有3種：向量空間實體模型，布爾實體模型和概率模型，在其中大家經(jīng)常使用的是向量空間實體模型。風(fēng)琴分類頁向量空間實體模型的關(guān)鍵敘述如下所示：

    ?文檔（Document）：文字或文字中的片段（語句或文章段落）。

    ?特點項（Term）：文檔內(nèi)容用它所包括的主要語言表達企業(yè)來表明，風(fēng)琴包收納基本上語言表達企業(yè)包含字，詞，短語，語句，語句，文章段落等，通稱為特點項。

    ?特點項權(quán)重值（TermWeight）：不一樣的特點項針對文檔D的關(guān)鍵層度不一樣，用特點項Tk額外權(quán)重值Wk來完成量化分析，文檔D可表明為（T1，W1；T2，W2；…；Tn，Wn）