中文网页自动分类器

利用knn算法实现了一个中文网页自动分类器， 包括网页预处理，ictclas中文分词，基于tf-idf的文本特征表示，基于df的特征选取和基于knn的分类算法，最后通过struts2框架web发布

  /*
  WVTool - Word Vector Tool
  Copyright （C） 2001-2007

	    Michael Wurst       

  web:   http://wvtool.sourceforge.net

  This program is free software; you can redistribute it and/or
  modify it under the terms of the GNU General Public License as 
  published by the Free Software Foundation; either version 2 of the
  License or （at your option） any later version. 

  This program is distributed in the hope that it will be useful but
  WITHOUT ANY WARRANTY; without even the implied warranty of
  MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the GNU
  General Public License for more details.

  You should have received a copy of the GNU General Public License
  along with this program; if not write to the Free Software
  Foundation Inc. 59 Temple Place Suite 330 Boston MA 02111-1307
  USA.
*/
package edu.udo.cs.wvtool.config;

import edu.udo.cs.wvtool.util.WVToolException;

/**
 * Exception that is thrown if a configuration problem is encountered.
 * 
 * @author Michael Wurst
 * @version $Id$
 * 
 */
public class WVTConfigException extends WVToolException {

    // This is just a dummy class

}

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件        105  2007-10-05 20:20  src\alternate.properties

     文件        236  2007-10-30 11:39  src\edu\udo\cs\wvtool\config\package.html

     文件       1177  2007-10-30 11:39  src\edu\udo\cs\wvtool\config\WVTConfigException.java

     文件       6618  2007-10-30 11:39  src\edu\udo\cs\wvtool\config\WVTConfiguration.java

     文件       2761  2007-10-30 11:39  src\edu\udo\cs\wvtool\config\WVTConfigurationFact.java

     文件       1736  2007-10-30 11:39  src\edu\udo\cs\wvtool\config\WVTConfigurationRule.java

     文件       2551  2007-10-30 11:39  src\edu\udo\cs\wvtool\crawler\CrawledInputList.java

     文件        246  2007-10-30 11:39  src\edu\udo\cs\wvtool\crawler\package.html

     文件       2144  2007-10-30 11:39  src\edu\udo\cs\wvtool\crawler\WVToolCrawler.java

     文件       9406  2007-10-30 11:39  src\edu\udo\cs\wvtool\external\GermanStemmer.java

     文件      31879  2007-10-30 11:39  src\edu\udo\cs\wvtool\external\LovinsStemmer.java

     文件        285  2007-10-30 11:39  src\edu\udo\cs\wvtool\external\package.html

     文件      16726  2007-10-30 11:39  src\edu\udo\cs\wvtool\external\Stemmer.java

     文件      21557  2007-10-30 11:39  src\edu\udo\cs\wvtool\external\Stopwords.java

     文件       1943  2007-10-30 11:39  src\edu\udo\cs\wvtool\external\StopwordsCzech.java

     文件       3099  2007-10-30 11:39  src\edu\udo\cs\wvtool\external\StopwordsFrench.java

     文件       5284  2007-10-30 11:39  src\edu\udo\cs\wvtool\external\StopWordsGerman.java

     文件      16530  2007-10-30 11:39  src\edu\udo\cs\wvtool\external\xmlReader.java

     文件       1355  2007-10-30 11:39  src\edu\udo\cs\wvtool\generic\charmapper\DummyCharConverter.java

     文件        225  2007-10-30 11:39  src\edu\udo\cs\wvtool\generic\charmapper\package.html

     文件       1777  2007-10-30 11:39  src\edu\udo\cs\wvtool\generic\charmapper\WVTCharConverter.java

     文件        225  2007-10-30 11:39  src\edu\udo\cs\wvtool\generic\inputfilter\package.html

     文件       1965  2007-10-30 11:39  src\edu\udo\cs\wvtool\generic\inputfilter\PDFInputFilter.java

     文件       2879  2007-10-30 11:39  src\edu\udo\cs\wvtool\generic\inputfilter\SelectingInputFilter.java

     文件       4470  2007-11-08 15:05  src\edu\udo\cs\wvtool\generic\inputfilter\SimpleTagIgnoringReader.java

     文件       3244  2007-10-30 11:39  src\edu\udo\cs\wvtool\generic\inputfilter\TagIgnoringReader.java

     文件       1975  2007-10-30 11:39  src\edu\udo\cs\wvtool\generic\inputfilter\TextInputFilter.java

     文件       1861  2007-10-30 11:39  src\edu\udo\cs\wvtool\generic\inputfilter\WVTInputFilter.java

     文件       2549  2007-10-30 11:39  src\edu\udo\cs\wvtool\generic\inputfilter\xmlInputFilter.java

     文件        219  2007-10-30 11:39  src\edu\udo\cs\wvtool\generic\loader\package.html

............此处省略115个文件信息