From 7fa992b1ad75b9eb09b835c76d853331aef42faf Mon Sep 17 00:00:00 2001
From: gitclebeg <clebeg@163.com>
Date: Mon, 13 Apr 2015 16:09:13 +0800
Subject: [PATCH] add text classification to model

---
 README.md | 22 ++++++++++++----------
 1 file changed, 12 insertions(+), 10 deletions(-)

diff --git a/README.md b/README.md
index b2d7298..a66227e 100644
--- a/README.md
+++ b/README.md
@@ -3,17 +3,19 @@
 
 
 *	新增说明2：增加文本分类程序，目的是找出自己领域相关的文本，然后再从这个领域相关的文本中判断正负面。
-```
-测试语料：data/text_classification.zip 解压缩即可
-运行程序：LingPipeClassier 即可。
-```
+
+
+1. 测试语料：data/text_classification.zip 解压缩即可
+2. 运行程序：LingPipeClassier 即可。
+
 *	新增说明1：2015-04-10测试了不用中文分词器，分词之后 LingPipe 情感分类的准确率，同时测试了去除停用词之后的情感分类的准确率。
-```
-1) 发现用HanLP的NLPTokenizer分词器，准确率最高，但是速度有点慢。
-2) 如果用HanLP的标准分词器就会准确率低一点点，但是速度快。
-3) 分词之后去除停用词效果更加差。
-4) 结巴分词效果不好，而且速度慢。
-```
+
+
+1. 发现用HanLP的NLPTokenizer分词器，准确率最高，但是速度有点慢。
+2. 如果用HanLP的标准分词器就会准确率低一点点，但是速度快。
+3. 分词之后去除停用词效果更加差。
+4. 结巴分词效果不好，而且速度慢。
+
 ###1、基于词典和贝叶斯模型的情感分析
 主程序：eshore.cn.it.sentiment.Sentiment 此类通过
 data/Sentiment_Dictionary中的正负面词语建立模型。