2011-11-01

想提高程序分析的准确度，语料库的问题很多。
百度知道：每一条的文字太少，各个分类不平衡的现象比较严重-》解决方法：重新对文字进行整合和划分
微话题：涉及内容不够全面
搜狗文本分类语料库：分类不准确
鲜果网语料库：目前测试还可以

分析原因：语料库中，没篇txt包含的文字数不能太少，每个分类包含的文字数量最好平衡。不同来源的语料库结合在一起使用并不很容易。分析不同的内容，最好采用不同的语料库。搜狗语料库是针对中文新闻，资源比较好整理。对于一些其他话题，如团购信息，则语料库是个问题。