Java 分类器4J输出有缺陷

我正在读一本关于机器学习的书，他们举了一个例子，说明如何检查字符串输入，看看一个单词是否可能是另一个单词的拼写错误（在本例中，一个名字的拼写不同）。运行该示例后，所有输出为0.0、.999或0.7071067811865475。我查看了API，发现它能够给出0到1之间的值范围，但我找不到任何东西来解释这个问题。我知道可能还有其他工具可以做同样的事情，但我想让这个工具正常工作。下面是我用来测试它的代码

import java.util.ArrayList;
import java.util.List;

import net.sf.classifier4J.ClassifierException;
import net.sf.classifier4J.vector.HashMapTermVectorStorage;
import net.sf.classifier4J.vector.TermVectorStorage;
import net.sf.classifier4J.vector.VectorClassifier;


public class BritneyDilemma {


public BritneyDilemma() {
        List<String> terms = new ArrayList<String>(); 
        terms.add("brittany spears");
        terms.add("brittney spears");
        terms.add("britany spears");
        terms.add("britny spears");
        terms.add("briteny spears");
        terms.add("britteny spears");
        terms.add("briney spears");
        terms.add("brittny spears");
        terms.add("brintey spears");
        terms.add("britanny spears");
        terms.add("britiny spears");
        terms.add("britnet spears");
        terms.add("britiney spears");
        terms.add("britney spears");
        terms.add("britney spearssssss");
        terms.add("britne spessssss");


        TermVectorStorage storage = new HashMapTermVectorStorage(); 
        VectorClassifier vc = new VectorClassifier(storage); 
        String correctString = "britney spears";
        for (String term : terms) {
            try {
                vc.teachMatch("britCatagory", correctString);
                double result = vc.classify("britCatagory", term);
                System.out.println(term + " = " + result);
            }
            catch (ClassifierException e) {
                e.printStackTrace();
            }
        }
}

public static void main(String[] args) {
    BritneyDilemma bd = new BritneyDilemma();
    }
}`

import java.util.ArrayList；
导入java.util.List；
导入net.sf.classifier4J.ClassifierException；
导入net.sf.classifier4J.vector.HashMapTermVectorStorage；
导入net.sf.classifier4J.vector.TermVectorStorage；
导入net.sf.classifier4J.vector.VectorClassifier；
公共级不列颠伊迪莱玛酒店{
英国公共图书馆（）{
列表项=新的ArrayList（）；
条款。添加（“brittany spears”）；
条款。添加（“brittney spears”）；
条款。添加（“britany spears”）；
条款。添加（“布兰妮·斯皮尔斯”）；
条款。添加（“briteny spears”）；
条款。添加（“britteny spears”）；
条款。添加（“布氏长矛”）；
条款。添加（“brittny spears”）；
条款。添加（“布林提长矛”）；
条款。添加（“britanny spears”）；
条款。添加（“britiny spears”）；
条款。添加（“britnet spears”）；
条款。添加（“britiney spears”）；
条款。添加（“布兰妮·斯皮尔斯”）；
条款。添加（“布兰妮·斯皮尔斯”）；
条款。添加（“britne Spessss”）；
TermVectorStorage=新的HashMapTermVectorStorage（）；
向量分类器vc=新向量分类器（存储）；
String correctString=“布兰妮·斯皮尔斯”；
for（字符串术语：术语）{
试一试{
vc.teachMatch（“不列颠分类法”，更正字符串）；
双重结果=风险分类（“英国分类法”，术语）；
System.out.println（术语+“=”+结果）；
}
渔获物（e）{
e、 printStackTrace（）；
}
}
}
公共静态void main（字符串[]args）{
BritneyDilemma bd=新的BritneyDilemma（）；
}
}`

VectorClassifier

基本上将传入字符串拆分为标记（单词），并检查它们是否出现在正确的字符串中（即传递给

teachMatch

方法的字符串），同时考虑这些单词的频率

VectorClassifier

不计算单词的相似度。如果您查看它的源代码，您可以自己检查它

每个字符串中都有正确的姓氏“spears”，而大多数字符串中的名字“britney”都搞乱了，因此VectorClassifier会找到一个匹配的单词和一个不匹配的单词。对于字符串“britney Spearssss”，它还会找到一个匹配的单词（本例中的名称为“britney”）和一个不匹配的单词（姓氏）。这就是为什么对于所有这些字符串，

VectorClassifier

给出相同的结果

对于完全匹配的字符串（“布兰妮·斯皮尔斯”），它给出接近1的最佳分数

---

对于没有匹配单词的字符串（“britne Spessss”），它给出零。

Classifier4J单词逐字。它可以处理词干，但不会拼写错误。因此，你最好看看算法

---

（我写了Classifier4J）

谢谢，我浏览了API，没有找到任何东西。多亏了你的回复，我才找到了源代码。