THUCLC笔记

THUCLC是清华的一个Java版本的文本分类器。

分类使用的是LibLinear软件包，LibLinear和LibSVM相似，但是前者更擅长大量数据的处理。

用来训练的是一些文本，压缩后大小为3.6GB。

我是想看里面的特征提取，THUCLC的特征是：词 + tfidf。其中tfidf缩放在【0， 1】区间内。

大致就了解了这些。明天再详细看看。