如何在WEKA（Java）中使用自定义停止字和词干分析器文件？

到目前为止，我已经：

NGramTokenizer tokenizer = new NGramTokenizer();
tokenizer.setNGramMinSize(2);
tokenizer.setNGramMaxSize(2); 
tokenizer.setDelimiters("[\\w+\\d+]");

StringToWordVector filter = new StringToWordVector();
// customize filter here
Instances data = Filter.useFilter(input, filter);

API对StringToWordVector有以下两种方法：

setStemmer(Stemmer value);
setStopwordsHandler(StopwordsHandler value);

我有一个包含stopwords的文本文件和另一个派生单词的类。如何使用自定义词干分析器和stopwords过滤器？请注意，我正在使用大小为2的短语，因此我无法预先预处理并删除所有停止词

更新：这对我很有效（使用Weka developer 3.7.12版）

要使用自定义stopwords处理程序，请执行以下操作：

public class MyStopwordsHandler implements StopwordsHandler {

    private HashSet<String> myStopwords;

    public MyStopwordsHandler() {
        //Load in your own stopwords, etc.
    }

    //Must implement this method from the StopwordsHandler interface
    public Boolean isStopword(String word) {
        return myStopwords.contains(word); 
    }

}

然后要使用自定义stopwords处理程序和词干分析器：

StringToWordVector filter = new StringToWordVector();
filter.setStemmer(new MyStemmer());
filter.setStopwordsHandler(new MyStopwordsHandler());

---

注意：下面由Thusitha给出的答案适用于稳定的3.6版本，它比上面描述的要简单得多。但我无法让它与3.7.12版本配合使用。

在最新的weka库中，您可以使用它

StringToWordVector filter = new StringToWordVector();
filter.setStopwords(new File("filename"));

我正在使用以下依赖项

<dependency>
   <groupId>nz.ac.waikato.cms.weka</groupId>
   <artifactId>weka-stable</artifactId>
   <version>3.6.12</version>
</dependency>

nz.ac.waikato.cms.weka

public void setStopwords（java.io.File值）
设置包含停止字的文件、null或取消设置停止字的目录。如果文件存在，它会自动打开该标志
使用停止列表。
参数：
值-包含停止字的文件

那是哪个版本？我有最新的开发者版本。嗯。。。我正在使用最新的稳定版本，3.7.12hm可能是他们在新版本中删除了它。我从maven central获得了依赖关系：（这是最新的，我检查了列出的API。所以它一定在那里。我发现了另一种方法。那行代码为我和setStopwords（）抛出了一个错误）未作为可用方法之一列出。如果按自定义，您还希望使用正则表达式作为StopWord的规范，您可能会感兴趣：
<dependency>
   <groupId>nz.ac.waikato.cms.weka</groupId>
   <artifactId>weka-stable</artifactId>
   <version>3.6.12</version>
</dependency>