最终版本的文本分类代码、语料、以及中间文件都已经开源共享见： http://www.cnblogs.com/finallyliuyu/archive/2012/01/15/2322721.html。由于数据和程序规模比较大，就不在博客园上传了。大家可以自己注册下载。
（注：转载请注明作者和出处 作者：finallyliuyu 出处：博客园）
适用人群：文本分类初学者、新手、菜鸟、业余爱好者
目的：1.将书本上关于文本分类的相关内容，如分类器、特征词选择算法等，用程序实现，让入门者对文本分类有个感性的、具体的了解，毕竟数学公式还是蛮抽象的；
2.“尽信书不如无书”，“纸上得来终觉浅，绝知此事要躬行”，借助于此平台可以对书本上的一些关于分类器、特征词选择算法的结论进行验证；
3.写给我自己，体验 “the magic of mathematics” 。
1.获取语料库
方法一：搜狗2008版语料库；处理程序见《菜鸟学习C++练笔之整理搜狗2008版语料库--获取分类语料库》
方法二：finallyliuyu在博客园空间提供的语料库参见 《献给热衷于自然语言处理的业余爱好者的中文新闻分类语料库之二》
2. 文本分类系统设计框架图
预处理过程流程图
分类模块流程图：
3. 各部分代码讲解
预处理模块
3.1建立词典
3.2全局DF特征词选择算法
3.4卡方特征词选择算法
3.5信息增益法以及点互信息法
3.6 VSM模型建立方法
分类模块
3.7 KNN分类算法
3.8 准确率，召回率，F值计算
4. 程序调用说明：
5。 对分类问题特征词选择算法的一点见解（重点推荐）
6。资源下载（注意右键点击下载地址用迅雷软件方可下载）：
实验中用到的语料库 下载地址 注意：语料库为MSSQL2000备份格式，如何还原请大家自己查阅相关资料，网络上有很多这方面的知识也就不赘述了。
程序资源 下载地址
