手里有 1 亿多关键词，怎么做分类呢？

[llhh]

既想分成行业大类，也想分小类。

目前只能分词，找词根，简单分类。

或者用word2vec做简单的聚类，但因为语料不够，结果不太好，并且这个聚类应该是小类。

这一亿词是关键词+百度搜索量的格式。

谢谢各位！

[xiaojj]

楼主能分享一下吗

[llhh]

@xiaojj 最起码说下思路嘛，上来直接要数据不好吧，起码有个搞基的过程。。。

[happywowwow]

按拼音字母分。 做个词典。
哈哈哈

[llhh]

@happywowwow 哈哈哈

[twor2]

@llhh 见1L名字和你的回复 笑尿了

[nonozone]

笑昏...

[lihuoqingfly]

在一起 生一堆

[llhh]

@twor2
@nonozone
@lihuoqingfly
同学们，看黑板，出出主意吧。
运营狗才疏学浅实在是有心无力了。

[em70]

单纯关键词要分类,又没有语料库支持,怎么可能.

先拿各个行业的文章做语料库,然后用关键词去碰撞吧,根据碰撞结果再归类

[llhh]

@em70 语料好难找

[xunyu]

关键词只能分字典吧，分类要语聊足够

[CrowQu]

1亿行业相关的关键词？
可以尝试寻找关键词相关的企业资料，然后再归类。
首先肯定要找到关键词之间的线索。

[pubby]

@llhh 额，去百度搜一亿次就有十亿份语料了

[wangfengmadking]

用每一个词条作为搜索关键字，用baidu，google，bing等搜出前10条（后者50）结果作为关联的预料，后面就条条大路通罗马了

[llhh]

@pubby
@wangfengmadking
看来也只能这样了。
一想起来抓搜索引擎我就吓尿了，不是个小工程啊。
可以先提取词根试试。

[em70]

@llhh 语料不难啊,百度文库就很多嘛,而且都分类好的,能花钱买论文库更好

[xiaojj]

@llhh 乔大哥我错了

[llhh]

@xiaojj
@happywowwow
@twor2
@lihuoqingfly
@em70
@xunyu
@CrowQu
@pubby
@wangfengmadking
@em70
100G百科语料。
链接: http://pan.baidu.com/s/1sjQAavj 密码: 1uj1
大家在关键词相关性、推荐标签、网站架构方面有哪些资料推荐呢？

[xunyu]

相关性去年出了个word2vec，最简单就是tf-idf，标签的话没有办法，手动打吧
@llhh

[llhh]

@xunyu 已经搞wordvec了。