我正在处理一个文本分类问题，试图将一组词语分类到不同的类别中。尽管有很多可用的分类库，请不要建议使用这些库来回答我的问题。

让我解释一下我想实现的内容。（举个例子）

词语列表：

1. java
2. programming
3. language
4. c-sharp

类别列表：

1. java
2. c-sharp

我们将训练集设置如下：

1. java 映射到类别 1. java
2. programming 映射到类别 1.java
3. programming 映射到类别 2.c-sharp
4. language 映射到类别 1.java
5. language 映射到类别 2.c-sharp
6. c-sharp 映射到类别 2.c-sharp

现在我们有一个短语 “The best java programming book“，从给定的短语中，以下词语与我们的“词语列表”匹配：

1. java
2. programming

“programming”有两个映射的类别“java”和“c-sharp”，所以它是一个常见词。

“java”只映射到类别“java”。

所以我们匹配的类别为“java”。

这是我想到的解决方案，这个方案可以吗？它能实现吗？有什么建议吗？我有没有遗漏什么？有什么缺陷吗？等等…

回答：

当然这是可以实现的。如果你在一个合适的数据集上（我猜是Java和C#编程书籍的标题）训练一个朴素贝叶斯分类器或线性SVM，它应该能学会将术语“Java”与Java关联，将“C#”和“.NET”与C#关联，并将“programming”与两者关联。也就是说，如果数据集均匀分布，对于像“programming”这样的常见术语，朴素贝叶斯分类器可能会学到Java或C#的概率大致相等。