基于svm的中文文本分类

基于内容的文本分类系统 （这是一个完整的分类系统，用java写的，分词是中科院64位的分词） 详情：http://blog.csdn.net/yinchuandong2/article/details/17717449 使用libsvm 进行分类 使用中科院的分词器ICTLAS对训练集进行分词

import libsvm.*;
import java.io.*;
import java.util.*;

class svm_predict {
	private static svm_print_interface svm_print_null = new svm_print_interface（）
	{
		public void print（String s） {}
	};

	private static svm_print_interface svm_print_stdout = new svm_print_interface（）
	{
		public void print（String s）
		{
			System.out.print（s）;
		}
	};

	private static svm_print_interface svm_print_string = svm_print_stdout;

	static void info（String s） 
	{
		svm_print_string.print（s）;
	}

	private static double atof（String s）
	{
		return Double.valueOf（s）.doubleValue（）;
	}

	private static int atoi（String s）
	{
		return Integer.parseInt（s）;
	}

	private static void predict（BufferedReader input DataOutputStream output svm_model model int predict_probability） throws IOException
	{
		int correct = 0;
		int total = 0;
		double error = 0;
		double sumv = 0 sumy = 0 sumvv = 0 sumyy = 0 sumvy = 0;

		int svm_type=svm.svm_get_svm_type（model）;
		int nr_class=svm.svm_get_nr_class（model）;
		double[] prob_estimates=null;

		if（predict_probability == 1）
		{
			if（svm_type == svm_parameter.EPSILON_SVR ||
			   svm_type == svm_parameter.NU_SVR）
			{
				svm_predict.info（“Prob. model for test data: target value = predicted value + z\nz: Laplace distribution e^（-|z|/sigma）/（2sigma）sigma=“+svm.svm_get_svr_probability（model）+“\n“）;
			}
			else
			{
				int[] labels=new int[nr_class];
				svm.svm_get_labels（modellabels）;
				prob_estimates = new double[nr_class];
				output.writeBytes（“labels“）;
				for（int j=0;j					output.writeBytes（“ “+labels[j]）;
				output.writeBytes（“\n“）;
			}
		}
		while（true）
		{
			String line = input.readLine（）;
			if（line == null） break;

			StringTokenizer st = new StringTokenizer（line“ \t\n\r\f:“）;

			double target = atof（st.nextToken（））;
			int m = st.countTokens（）/2;
			svm_node[] x = new svm_node[m];
			for（int j=0;j			{
				x[j] = new svm_node（）;
				x[j].index = atoi（st.nextToken（））;
				x[j].value = atof（st.nextToken（））;
			}

			double v;
			if （predict_probability==1 && （svm_type==svm_parameter.C_SVC || svm_type==svm_parameter.NU_SVC））
			{
				v = svm.svm_predict_probability（modelxprob_estimates）;
				output.writeBytes（v+“ “）;
				for（int j=0;j					output.writeBytes（prob_estimates[j]+“ “）;
				output.writeBytes（“\n“）;
			}
			else
			{
				v = svm.svm_predict（modelx）;
				output.writeBytes（v+“\n“）;
			}

			if（v == target）
				++correct;
			error += （v-target）*（v-target）;
			sumv += v;
			sumy += target;
			sumvv += v*v;
			sumyy += target*target;
			sumvy += v*target;
			++total;
		}
		if（svm_type == svm_parameter.EPSILON_SVR ||
		   svm_type == svm_parameter.NU_SVR）
		{
			svm_predict.info（“Mean squared error = “+error/total+“ （regression）\n“）;
			svm_predict.info（“Squared correlation coefficient = “+
				 （（total*sumvy-sumv*sumy）*（total*sumvy-sumv*sumy））/
				 （（total*sumvv-sumv*sumv）*（total*sumyy-sumy*sumy））+
				 “ （regression）\n“）;
		}
		else
			svm_predict.info（“Accuracy = “

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        2425  2013-12-29 22:31  .classpath
     文件         383  2013-12-29 16:52  .fatjar
     文件         390  2013-12-16 15:34  .project
     目录           0  2013-12-17 11:50  .settings\
     文件         598  2013-12-16 15:34  .settings\org.eclipse.jdt.core.prefs
     文件     9720077  2013-12-31 14:36  Classification_fat.jar
     文件        1042  2013-10-19 11:37  Configure.xml
     目录           0  2013-12-30 21:37  Data\
     文件     3520144  2013-10-19 11:37  Data\BiWord.big
     文件     1696620  2013-10-19 11:37  Data\CoreDict.pdat
     文件     1786424  2013-10-19 11:37  Data\CoreDict.pos
     文件      478168  2013-10-19 11:37  Data\CoreDict.unig
     文件      262236  2013-10-19 11:37  Data\FieldDict.pdat
     文件          72  2013-10-19 11:37  Data\FieldDict.pos
     文件     1978128  2013-10-19 11:37  Data\GranDict.pdat
     文件     1778776  2013-10-19 11:37  Data\GranDict.pos
     文件       37253  2013-10-19 11:37  Data\ICTCLAS30.ctx
     文件         288  2013-10-19 11:37  Data\ICTCLAS_First.map
     文件         406  2013-10-19 11:37  Data\ICTPOS.map
     文件         307  2013-10-19 11:37  Data\PKU.map
     文件         288  2013-10-19 11:37  Data\PKU_First.map
     文件           0  2013-12-30 21:37  Data\UserDict.map
     文件      262560  2013-12-30 21:37  Data\UserDict.pdat
     文件      524280  2013-10-19 11:37  Data\character.idx
     文件       65540  2013-10-19 11:37  Data\character.type
     文件        2213  2013-10-19 11:37  Data\nr.ctx
     文件        3008  2013-10-19 11:37  Data\nr.fsa
     文件     1757200  2013-10-19 11:37  Data\nr.role
     文件         127  2013-12-31 16:27  ICTCLAS.log
     文件      240640  2013-10-19 11:37  ICTCLAS50.dll
     文件        9898  2013-10-19 11:37  ICTCLAS50.h
............此处省略161个文件信息