Mixture

摘要： 仔细看了关键词分类项目的冠军队HadoopEagleEye的代码，这里做个总结。项目的目标是对搜索关键词进行分类（共33类），可以利用的辅助信息包括每个关键词的搜索结果（前10条搜索结果的标题），以及广告主与其购买的搜索关键词的对应关系（多对多的关系，并且并非每个关键词都被购买）。已标注的数据约100W条，需要进行预测的数据约1000W。HadoopEagleEye只用到了关键词文件（keyword_class.txt，仅包含关键词keyword以及标注结果label），大致处理流程如下：1.数据预处理分词它采用了两种分词方式，分别用nchar和perm代替，这两种方式是这样的nchar: 对 阅读全文