java - weka中的字符串数组属性

Question

我需要一个 weka 训练文件(arff)来拥有一个名称(字符串)和一个与该名称关联的字符串数组，这样当我在任何文本上运行分类器时，分类器就会将该名称与这些字符串相关联。对于此任务，如何在 weka 中创建一个字符串数组的属性？或者有没有其他方法可以做到这一点？

(我正在使用朴素贝叶斯分类器)

例如:Deepika Shah，贪婪的读者，有趣，漂亮

因此，如果我有一个句子包含上面给出的迪皮卡·沙阿 (Deepika Shah) 的任何字符串，它应该将该句子分类为关于迪皮卡·沙阿 (Deepika Shah)。

编辑:我需要使用句子中的单词和短语将句子分类为与名称有关的句子。因此，我给出了一组与名称关联的字符串以及它们关联的名称。分类器应该从句子中找到类别。或者，在我从句子中提取特征之后(假设我已经提取了特征)。

Answer 1

您的 arff 文件需要采用以下格式:

@Relation testRelation

@attribute firstAtr string
@attribute secondAtr string
@attribute thirdAtr string
@attribute yourClass {Deepika Shah, secondClass, ...other classes listed here}

@data
"Voracious reader","funny"," pretty",Deepika Shah

...more data here

然后你就可以在weka中导入你的arff文件了。

现在您需要将字符串值转换为数字。为此，您必须使用位于预处理选项卡的“过滤器”部分中的 weka->unsupervised->attribute->StringToWordVector 过滤器。您可以单击过滤器来调整参数，例如术语表示(tf、tf-idf)、停用词、词干分析器算法、n-gram 等。然后单击“应用”。

此过程完成后，您就可以进入分类选项卡并继续分类。您可以选择分类器，然后就可以开始了。

注意:您需要选择名义类(Nom)yourClass(位于测试选项下)才能单击开始按钮。

注意2:如果你的刺属性是固定值，如有趣，悲伤，中性等，你可以使用名义属性而不是字符串

<小时/>

p.s 包含上述所有内容的一个很好的例子可以在这里找到:https://www.youtube.com/watch?v=jSZ9jQy1sfE