自然语言处理——文本分类

文本分类是自然语言处理中的一个重要应用。也是学习了机器学习各种模型后，最好的一个实际运用。之前也写了一些文章，但是都是断断续续，从来没有写成系列。这两年的工作，总算是有机会轮到我做一些应用NLP技术的工作。最近喜欢上边开发边写ppt，伴随着梳理资料，回忆以前的工作，想着写一写总结。我不是数学专业，数学也不好，而且从来不愿意推公式。近几年看书感觉不再云里雾里，应该是该写的书都被写出来了，所以大家都开始写公式背后的原理。这个系列打算用我自己的理解，自己的话来写。其实自己比较喜欢写写像散文一样的文字，吼吼，终于过了研究生毕业，不用再用所谓的书面文字写东西了。打算分两篇写。上篇写用人话说清原理。下篇介绍高级库的用法。

基础篇

1. 文本的数学表达
2. 什么是数据线性可分？
3. 怎么将二分类模型应用到多分类问题？
4. 怎么评价训练出的分类模型？
5. 朴素贝叶斯分类器就是数数
6. 支持向量机是怎么画分类平面的？
7. 把浅层神经网络应用到文本分类的包是fastText。

应用篇

1. 简化版的LibSVM之LibLinear
2. 工业级朴素贝叶斯工具
3. 脸书的高效杰出工具fastText
4. 贝叶斯与SVM的结晶nbsvm