Java 如何在weka中表示分类文本？

您能告诉我如何在weka中表示文本分类的属性或类吗。通过使用什么属性可以进行分类？词频还是单字？ARFF格式的可能结构是什么？你能给我举几行这种结构的例子吗

---

提前非常感谢。

最简单的替代方法之一是从一个ARFF文件开始解决两类问题，如：

@relation corpus @attribute text string @attribute class {pos,neg} @data 'long text with words ... ',pos @关系语料库 @属性文本字符串 @属性类{pos，neg} @资料 “带单词的长文本…”，销售时点情报系统 文本表示为字符串类型，类是具有两个值的名词

然后可以应用两个过滤器：

StringToOrdVector将文本转换为单词向量表示的。过滤器为每个单词使用一个属性。您可以调整参数以选择二进制/频率表示、词干或停止字。最佳表示取决于问题。如果文本不长，通常二进制表示就足够了

重新排序要将类atribute移动到最后一个位置，Weka假设它在那里 您可以在此Weka wiki页面中找到更多信息和其他转换数据的方法：

---

在weka中，您可以选择自己的属性。在本例中，我们只有2个类，所有唯一的单词都用作属性。如果选择单词频率作为属性，则如果该单词在文本中出现两次，则指定“2”；如果该单词未出现，则指定“0”；如果该单词只出现一次，则指定“1”

下面是示例.arff格式

@RELATION anyrelation

@ATTRIBUTE word1
@ATTRIBUTE word2
...
@ATTRIBUTE wordn
@ATTRIBUTE class {class1, class2}

@DATA
1,2,....,0,class1
0,3,....,1,class2