Kategoryzacja rekordów w języku Java

Question

Posiadam listę książek, w których każda książka należy do kategorii.

• latanie samolotem - Aviation
• malowanie obrazu - Art
• 1001 Recipes - Gotowanie

Mam ogromny wystarczająco przykładowy zestaw danych. Muszę skategoryzować moje nowsze książki za pomocą jakiegoś algorytmu. Wiem, że nigdy nie będzie to w 100% dokładne, ale dobre przypuszczenie jest dobre dla mnie.

Co powinienem użyć, aby zaimplementować coś takiego? Czy powinienem iść z Classifier4J i to jest Vector Classifier?

Czy są jeszcze inne narzędzia, na które powinienem patrzeć jak Weka? Byłoby wspaniale, gdyby ktoś mógł wskazać mi jakieś artykuły/przykłady, aby zacząć.

Dzięki

Answer 1

Lingpipe wydaje się być dobrym rozwiązaniem i wydaje się działać dobrze. Dołączony demo Lingpipe jest dobrym miejscem, aby rozpocząć:

http://alias-i.com/lingpipe/demos/tutorial/classify/read-me.html

Answer 2

Jest to kurs na https://www.coursera.org/course/ml zwany Machine Learning. Jeśli spojrzysz na swój problem jako klasyfikację, powinieneś wyszkolić N klasyfikatorów One-vs-All, gdzie N to liczba twoich klas (= kategorie). Aby wyćwiczyć użycie klasyfikatora na algorytmach opisanych w klasie Natural Language Processing https://www.coursera.org/course/nlp, zwykle będzie to podobieństwo do istniejących klas http://nlp.stanford.edu/IR-book/html/htmledition/text-classification-and-naive-bayes-1.html. Wszystko to można zrobić w Apache Mahout z https://cwiki.apache.org/confluence/display/MAHOUT/Bayesian.