使用 Weka 进行句子分类

Posted 2023-03-13

【中文标题】使用 Weka 进行句子分类

【英文标题】：Sentence classification using Weka

【发布时间】：2012-08-31 03:19:17

【问题描述】：

我想用 Weka 对句子进行分类。我的特征是句子术语（单词）和每个术语的词性标签。我不知道图形属性如何，因为如果每个术语都作为一个特征呈现，每个实例（句子）的特征数量就会变得不同。并且，如果句子中的所有单词都作为一个特征呈现，那么单词和它们的词性标签是如何关联的。

任何想法我应该如何进行？

【问题讨论】：

作为输入，您有一个带有单词和词性标签的句子，但是您想要什么作为输出？简单的二元分类，给定一个句子，输出是True 或False？或者您是否有多个标签（例如，您想要对句子进行分类的类别）？

这是一个简单的二分类问题。

【参考方案1】：

如果我对问题的理解正确，答案如下：最常见的做法是独立于单词在句子中的位置来对待单词，并在特征空间中用每个已知单词出现的次数来表示一个句子那句话。 IE。训练数据中存在的每个单词通常都有一个单独的数字特征。或者，如果您愿意使用 n-gram，则为训练数据中的每个 n-gram 提供一个单独的特征（可能具有一些频率阈值）。

至于 POS 标签，将它们用作单独的特征可能是有意义的，但前提是您感兴趣的分类与句子结构（句法）有关。否则，您可能只想将 POS 标签附加到单词上，这样可以部分消除可以代表不同词性的单词的歧义。