基于停用词的文本预处理及其聚类(matlab)

【实例简介】
文本聚类为一种无监督的机器学习方法，其不需要训练过程，以及不需要预先对文档手工标注类别，因此具有一定的灵活性和较高的自动化处理能力，已经成为对文本信息进行有效地组织、摘要和导航的重要手段，为越来越多的研究人员所关注。
【实例截图】
【核心代码】
(matlab)
└── 基于停用词的文本预处理及其聚类
├── bagging实验
│   ├── mybagging.m
│   ├── seeds.mat
│   └── seeds.txt
├── mainTextPreprocess.m
├── rid_stopwords.m
├── stopwords.txt
├── tfidf.m
├── 中科院分词组件
│   └── ICTCLAS50_Windows_32_JNI
│   ├── API
│   │   ├── Configure.xml
│   │   ├── Data
│   │   │   ├── BiWord.big
│   │   │   ├── character.idx
│   │   │   ├── character.type
│   │   │   ├── CoreDict.pdat
│   │   │   ├── CoreDict.pos
│   │   │   ├── CoreDict.unig
│   │   │   ├── FieldDict.pdat
│   │   │   ├── FieldDict.pos
│   │   │   ├── GranDict.pdat
│   │   │   ├── GranDict.pos
│   │   │   ├── ICTCLAS30.ctx
│   │   │   ├── ICTCLAS_First.map
│   │   │   ├── ICTPOS.map
│   │   │   ├── nr.ctx
│   │   │   ├── nr.fsa
│   │   │   ├── nr.role
│   │   │   ├── PKU_First.map
│   │   │   └── PKU.map
│   │   ├── ICTCLAS
│   │   │   └── I3S
│   │   │   └── AC
│   │   │   └── ICTCLAS50.java
│   │   ├── ICTCLAS50.dll
│   │   ├── ICTCLAS50.h
│   │   ├── ICTCLAS50.lib
│   │   ├── ICTCLAS_I3S_AC_ICTCLAS50.h
│   │   └── user.lic
│   ├── Demo
│   │   ├── Configure.xml
│   │   ├── Data
│   │   │   ├── BiWord.big
│   │   │   ├── character.idx
│   │   │   ├── character.type
│   │   │   ├── CoreDict.pdat
│   │   │   ├── CoreDict.pos
│   │   │   ├── CoreDict.unig
│   │   │   ├── FieldDict.pdat
│   │   │   ├── FieldDict.pos
│   │   │   ├── GranDict.pdat
│   │   │   ├── GranDict.pos
│   │   │   ├── ICTCLAS30.ctx
│   │   │   ├── ICTCLAS_First.map
│   │   │   ├── ICTPOS.map
│   │   │   ├── nr.ctx
│   │   │   ├── nr.fsa
│   │   │   ├── nr.role
│   │   │   ├── PKU_First.map
│   │   │   └── PKU.map
│   │   ├── GOLAXY_DEMO.exe
│   │   ├── ICTCLAS50.dll
│   │   ├── ICTCLAS50.lib
│   │   ├── S2TLib.dll
│   │   ├── userdict.txt
│   │   └── user.lic
│   ├── Doc
│   │   ├── ~$TPOS汉语词性标记集.doc
│   │   ├── ICTCLAS5.0接口文档.doc
│   │   └── ICTPOS汉语词性标记集.doc
│   └── Sample
│   └── Windows_32_jni_Demo
│   ├── Configure.xml
│   ├── Data
│   │   ├── BiWord.big
│   │   ├── character.idx
│   │   ├── character.type
│   │   ├── CoreDict.pdat
│   │   ├── CoreDict.pos
│   │   ├── CoreDict.unig
│   │   ├── FieldDict.pdat
│   │   ├── FieldDict.pos
│   │   ├── GranDict.pdat
│   │   ├── GranDict.pos
│   │   ├── ICTCLAS30.ctx
│   │   ├── ICTCLAS_First.map
│   │   ├── ICTPOS.map
│   │   ├── nr.ctx
│   │   ├── nr.fsa
│   │   ├── nr.role
│   │   ├── PKU_First.map
│   │   ├── PKU.map
│   │   ├── UserDict.map
│   │   ├── UserDict.pdat
│   │   └── UserDict.pos
│   ├── ICTCLAS
│   │   └── I3S
│   │   └── AC
│   │   ├── ICTCLAS50.class
│   │   └── ICTCLAS50.java
│   ├── ICTCLAS50.dll
│   ├── ICTCLAS50.h
│   ├── ICTCLAS50.lib
│   ├── ICTCLAS_I3S_AC_ICTCLAS50.h
│   ├── ICTCLAS.log
│   ├── readme.txt
│   ├── temp.class
│   ├── temp.java
│   ├── temp.java.bak
│   ├── testing_result.txt
│   ├── TestMain.class
│   ├── TestMain.java
│   ├── TestMain.java.bak
│   ├── test_result.txt
│   ├── test.txt
│   ├── userdict.txt
│   └── user.lic
├── 实验文本
│   ├── 编程小文本测试
│   │   └── 批处理改名.bat
│   └── 训练文本
│   ├── C000008
│   │   ├── spit_10.txt
│   │   ├── spit_11.txt
│   │   ├── spit_12.txt
│   │   ├── spit_13.txt
│   │   ├── spit_14.txt
│   │   ├── spit_15.txt
│   │   ├── spit_16.txt
│   │   ├── spit_17.txt
│   │   ├── spit_18.txt
│   │   ├── spit_19.txt
│   │   ├── spit_20.txt
│   │   ├── spit_21.txt
│   │   ├── spit_22.txt
│   │   ├── spit_23.txt
│   │   ├── spit_24.txt
│   │   ├── spit_25.txt
│   │   ├── spit_26.txt
│   │   ├── spit_27.txt
│   │   ├── spit_28.txt
│   │   └── spit_29.txt
│   ├── C000010
│   │   ├── spit_10.txt
│   │   ├── spit_11.txt
│   │   ├── spit_12.txt
│   │   ├── spit_13.txt
│   │   ├── spit_14.txt
│   │   ├── spit_15.txt
│   │   ├── spit_16.txt
│   │   ├── spit_17.txt
│   │   ├── spit_18.txt
│   │   ├── spit_19.txt
│   │   ├── spit_20.txt
│   │   ├── spit_21.txt
│   │   ├── spit_22.txt
│   │   ├── spit_23.txt
│   │   ├── spit_24.txt
│   │   ├── spit_25.txt
│   │   ├── spit_26.txt
│   │   ├── spit_27.txt
│   │   ├── spit_28.txt
│   │   └── spit_29.txt
│   └── C000013
│   ├── spit_10.txt
│   ├── spit_11.txt
│   ├── spit_12.txt
│   ├── spit_13.txt
│   ├── spit_14.txt
│   ├── spit_15.txt
│   ├── spit_16.txt
│   ├── spit_17.txt
│   ├── spit_18.txt
│   ├── spit_19.txt
│   ├── spit_20.txt
│   ├── spit_21.txt
│   ├── spit_22.txt
│   ├── spit_23.txt
│   ├── spit_24.txt
│   ├── spit_25.txt
│   ├── spit_26.txt
│   ├── spit_27.txt
│   ├── spit_28.txt
│   └── spit_29.txt
└── 读我.txt

24 directories, 163 files