数据挖掘竞赛题目 -- 文本分类

从某公众号看到两个题目, 逻辑挺简单, 现在记录下来, 有时间琢磨琢磨(数据在文末).

竞赛简介

使用搜狗语料库进行自动文本分类

数据描述

新闻语料中类别与目录的对应关系如下，共十大类别：

• C000007 汽车
• C000008 财经
• C000010 IT
• C000013 健康
• C000014 体育
• C000016 旅游
• C000020 教育
• C000022 招聘
• C000023 文化
• C000024 军事

在Data文件夹中有训练数据集（train）及测试数据集（test），其中train目录中是已经分类好的文档，每个类别中有6000个文档，而test目录中共包含20000个所有类别的文档，需要参赛者设计算法进行自动归类。

任务描述

1. 构建优秀的分类器，将test目录中文档进行自动归类
2. 提交最终分类结果，即将test中的各个文档自动划分到C000007、C000008、….、 C000024等目录后打包提交.

评价标准

评分算法：F1-Measure:

F