本文档介绍了一个利用Python、jieba、gensim和sklearn实现的微博性别分类项目。通过处理微博文本，进行分词、训练词向量，然后使用svm进行分类。项目数据分为训练集和测试集，强调了测试集词向量需基于训练集词典生成，SVM输入需归一化，并提供了相关资源链接。
一、任务需求
给定一组微博用户的微博帐号、性别和微博内容文本。以微博内容文本为特征，性别为标签，用数据的70%训练SVM分类器；再对剩下的30%微博文本进行性别预测，观察结果。
二、所用工具
python(Anaconda)：编程环境
jieba：中文分词工具
gensim：训练词向量工具
sklearn：训练分类器工具
三、实现过程
1.数据准备
给定一组微博用户的微博帐号、性别和微博内容文本。以微博内容文本为特征，性别为标签，用数据的70%训练SVM分类器；再对剩下的30%微博文本进行性别预测，观察结果。
二、所用工具
python(Anaconda)：编程环境
jieba：中文分词工具
gensim：训练词向量工具
sklearn：训练分类器工具
三、实现过程
1.数据准备
Data_weibo_male_female\GenderUserID中包含male.txt和female.txt，分别列出了各自属性的微博帐号。
最低0.47元/天 解锁文章
9815
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
