项目详情可见目录下 项目报告书.pdf
- sklearn==0.19.1
- numpy==1.14.0
- scipy==1.0.0
common.py - 放置公共变量和类
generate_feature.py - 手动特征向量，保存在本地
train_model.py - 使用SVM训练保存的特征向量，生成分类器
- 首先读取每句话，找到包含主题词的句子（主题词必须作为名词并且后两个词至少一个为动词），
- 计算该句子的词频作为特征向量，如果全为0，则抛弃
- 手动标注该特征向量的标签，即该句子属于哪个事件类别
- 将所有标注过的特征向量和标签保存在本地
- 使用SVM训练保存的特征向量，生成分类器
- 继续读取每句话，找到包含主题词的句子，对该句子用分类器预测
- 输出预测结果
1 修炼
2 对话
3 心理活动
腰部
发酸
麻麻
眯起
酸痛
歇息
打熬
咧嘴
说道
笑道
询问
感到
高兴
心中
忐忑
心底
坚定
-
Python中文分词组件 jieba
http://www.oschina.net/p/jieba -
ICTCLAS 汉语词性标注集
http://fhqllt.iteye.com/blog/947917 -
Python中的支持向量机SVM的使用（有实例）
https://www.cnblogs.com/luyaoblog/p/6775342.html -
【Python】在Python中自定义迭代器Iterator
http://blog.csdn.net/ghostfromheaven/article/details/11880251 -
文本分类与SVM
http://blog.csdn.net/zhzhl202/article/details/8197109 -
基于支持向量机SVM的文本分类的实现
http://blog.csdn.net/qq_30189255/article/details/54571370 -
几种归一化方法（Normalization Method）python实现
http://blog.csdn.net/kryolith/article/details/39770187