这个链接是训练集，测试集请见我的资源本语料库由复旦大学李荣陆提供。
test_corpus.rar为测试语料，共9833篇文档；
train_corpus.rar为训练语料，共9804篇文档，两个预料各分为20个相同类别。
训练语料和测试语料基本按照1:1的比例来划分。
使用时尽量注明来源（复旦大学计算机信息与技术系国际数据库中心自然语言处理小组）。
文件较大（训练测试各50多兆），下载时请耐心等待。
test_corpus.rar为测试语料，共9833篇文档；
train_corpus.rar为训练语料，共9804篇文档，两个预料各分为20个相同类别。
训练语料和测试语料基本按照1:1的比例来划分。
使用时尽量注明来源（复旦大学计算机信息与技术系国际数据库中心自然语言处理小组）。
文件较大（训练测试各50多兆），下载时请耐心等待。
2023/8/25 4:36:57
50.38MB
1
Python，TensorFlow实现文本分类代码集合（含数据）_TextCNN_TextRNN_TextRCNN_HierarchicalAttentionNetwork__Seq2seqWithAttention等等9种文本分类算法实现代码
2023/8/16 12:07:01
13.92MB
1
新闻栏目中文文本分类，新闻栏目一共有：体育5000时政5000房产5000家居5000财经5000时尚5000科技5000教育5000娱乐5000游戏5000每个新闻栏目拥有5000条新闻，通过对新闻内容作为样本训练模型，使得该模型能够预测出该条新闻所属的栏目。
2023/8/9 15:39:56
66.03MB
1
本报告包括详尽完整的文本分类处理过程，包括语料库的处理、jieba分词、停用词无关词处理、词袋模型的构建（CHI值检验用于特征筛选、tfidf作为特征向量值）。
并用自编朴素贝叶斯以及sklearn包中的SVM进行了文本效果的检测，通过混淆矩阵和roc曲线展现了实现效果。
实验报告写的很详细，不懂的地方可以看报告以及看博客中的部分细节讲解。
并用自编朴素贝叶斯以及sklearn包中的SVM进行了文本效果的检测，通过混淆矩阵和roc曲线展现了实现效果。
实验报告写的很详细，不懂的地方可以看报告以及看博客中的部分细节讲解。
2023/7/15 21:32:55
4.05MB
1
利用python,实现基于SVM的文本分类.代码见https://github.com/yangysc/Document-Classification
2023/7/7 0:33:43
314KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB