java - 将读取两个文件的两种方法合并为用一种方法读取一个文件

Question

我正在用 Java 创建一个贝叶斯过滤系统。目前，我的代码通过使用单独的 .txt 文件来学习垃圾邮件和正常文本； learn.spam("spam.txt"); 和 learn.good("good.txt")。

这两种方法几乎完全相同:

public void good(String file) throws IOException {
        A2ZFileReader fr = new A2ZFileReader(file);


        String content = fr.getContent();
        String[] tokens = content.split(splitregex);
        int goodTotal = 0;


        for (int i = 0; i < tokens.length; i++) {
            String word = tokens[i].toLowerCase();
            Matcher m = wordregex.matcher(word);
            if (m.matches()) {
                goodTotal++;
                if (words.containsKey(word)) {
                    Word w = (Word) words.get(word);
                    w.countGood();
                } else {
                    Word w = new Word(word);
                    w.countGood();
                    words.put(word,w);
                }
            }
        }

public void spam(String file) throws IOException {
    A2ZFileReader fr = new A2ZFileReader(file);

    String content = fr.getContent();
    String[] tokens = content.split(splitregex);
    int spamTotal = 0;//tokenizer.countTokens();

    for (int i = 0; i < tokens.length; i++) {
        String word = tokens[i].toLowerCase();
        Matcher m = wordregex.matcher(word);
        if (m.matches()) {
            spamTotal++;
            if (words.containsKey(word)) {
                Word w = (Word) words.get(word);
                w.countBad();
            } else {
                Word w = new Word(word);
                w.countBad();
                words.put(word,w);
            }
        }
    }

    Iterator iterator = words.values().iterator();
    while (iterator.hasNext()) {
        Word word = (Word) iterator.next();
        word.calcBadProb(spamTotal);
    }
}

现在我试图解决的问题是，我没有两个 .txt 文件，而是使用以下文件:

spam    Gamble tonight only for a cheap price of $5 per hand.

ham     Sex, I love it. I need it now.

ham     yeah I know, I am going tonight that that place, ;) Come join me. You know you want to

ham     It is pretty expensive, just this and that for only ($900)

spam    Call 123123123 to use for free porn

每行只有一条消息，垃圾消息以 spam 开头，好消息以 ham 开头，带有一个选项卡。如何更改方法，以便仅使用一种方法和一个 .txt 文件来训练它。

Answer 1

将 good 方法更改为:

public void good(String content) {
    String[] tokens = content.split(splitregex);
    int goodTotal = 0;


    for (int i = 0; i < tokens.length; i++) {
        String word = tokens[i].toLowerCase();
        Matcher m = wordregex.matcher(word);
        if (m.matches()) {
            goodTotal++;
            if (words.containsKey(word)) {
                Word w = (Word) words.get(word);
                w.countGood();
            } else {
                Word w = new Word(word);
                w.countGood();
                words.put(word,w);
            }
        }
    }
}

对垃圾邮件执行几乎完全相同的操作。

然后编写一个方法train来读取文件，将其分割成行，然后根据每行中的第一个单词调用正确的方法。

之后，将所有内容合并到一个方法中就很简单了。