中文文本分类介绍

上个学期，做模式识别的课程设计：中文文本分类。小玩了一下，还不错，打算继续研究一下。

研究NLP的老外们蛮多，咱们自己的语言就得靠咱们自己了。现在学科都是综合性质的，看到有从研究汉语言起步，进而到计算机辅助下研究语言学。觉得一个人能做什么与他的兴趣、水平以及知识结构都有关系。

发现论文水平真是参差不齐，我这次实验就靠着一篇经典文献的指导完成了很大一部分工作。但是确实应该更多的查阅论文，自己的阅读量还不够。做了一个粗糙而简单的实验，不过还是搭起了一个架子，对此，有好的点评，也有坏的点评。

做讨论班报告的时候，发现了自己的很多问题：

1。幻灯片里提到的中文编码，怎么和实验有关了，没有说出来。简言之，了解汉字字符的编码空间，是编程的基矗

2。对于中间的步骤，只是一知半解，没有深入的阅读参考文献。

3。实验结果的评价，不是很好，本来预备做交叉检验的，但是一懒没做，其实很简单的过程，在实验的早期，就应该记着这件事。

整理一下自己的思路，继续开展新的工作。