使用 Weka 进行文本分类

Posted 2023-03-13

【中文标题】使用 Weka 进行文本分类

【英文标题】：Using Weka for Text Classification

【发布时间】：2013-01-11 08:36:03

【问题描述】：

我是 Weka 的新手！

我的目的是将现有文章分为 2 类：教育或娱乐。

我已经有 400 篇教育类文章和 400 篇娱乐类文章。

那么如何为 Weka 创建 arff 输入文件呢？还是 Weka 的其他解决方案？

（对不起，我的英语不好，谢谢）

【参考方案1】：

This article 展示了如何将 CSV 格式转换为 ARFF，前提是您的数据集为 CSV 格式。

但是，如果您还没有数据集，则需要事先执行很多任务。

【讨论】：

对不起，我的文件是文本文件，不是 CSV 格式。我想知道如何以 csv 或 arff 格式表示这些文本文件！啊，我用n-grams来创建特征向量...

【参考方案2】：

虽然这似乎是一段漫长的旅程，但您实际上可以做到。您尝试做的一切都与文本挖掘的主题有关。我想你可以从this link 学到很多东西。另外，我认为可能对您有用的信息是：

首先，在每个文本格式中打开您的文件，然后将其粘贴到电子表格程序（例如 Excel）中的一行中。在其旁边的列中，输入文档类型（教育或娱乐）。您总共将有 800 行。

在 Excel 的文件菜单中单击“另存为”，然后选择文件类型为“.csv”。并将其保存为“.csv”。 （在“Excel”中单击“保存”后，他询问您是否要将工作簿保存为“Excel”。我认为“否”。

要在“Weka”中打开“.csv”文件：在“Weka”中选择“打开文件”，将文件类型标记为 .csv，然后选择“.csv”文件。

从“过滤器 -> 选择”列表中选择“StringToVector”。必要的参数设置可以查看this address。

您将在 Weka 中使用“保存”命令获得所需的“.arff”格式文件。

我希望它有所帮助。祝你好运。