在matlab中对单元格数组进行分类

Posted 2023-03-13

【中文标题】在matlab中对单元格数组进行分类

【英文标题】：classify cell array in matlab

【发布时间】：2012-06-07 18:10:46

【问题描述】：

我想对新闻数据集进行文本分类。我有很多功能，例如subject、keyword、summary 等...所有这些功能都存储在一个结构单元数组中，每个结构看起来像这样：

       label: 'misc.forsale'
        subj: ' Motorcycle wanted.'
     keyword: [1x190 char]
   reference: []
organization: ' Worcester Polytechnic Institute'
        from: ' [e-mail] (John Kedziora)'
     summary: []
       lines: ' 11'
       vocab: [4x2 double]

我想用class = classify(test, train, target, 'diaglinear');对它们进行分类但这些函数只接收数组作为输入，不接受单元格或结构体。

我无法将此元胞数组转换为一个多维数组，因为特征的数量各不相同（例如，一个主题有两个词，另一个主题有三个词）。

我能做什么？

【问题讨论】：

你不必先为每个文档提取一些特征，比如TF-IDF

是的，我做到了。但是你提到的这种方式，我没有单独使用主题，关键字。我认为这样我丢失了一些信息。

【参考方案1】：

先做一些特征提取。例如，对字符串进行标记，然后使用 TF-IDF。

您可以在令牌中包含密钥。这是信息检索中的常见做法。有关示例，请参阅 Xapian 手册。

通常，您会做一些词干提取，例如Examples -> exampl。现在，只需添加一个前缀，使单词根据出现的不同而不同。例如。 Sexampl 当主题包含 example 和 Kexampl 当它是关键字时。

然后你就有了一个无处不在的“词袋”表示。他们甚至这样做是为了挖掘图像，这被称为“视觉词”。这些也不是英语单词。