weka文本聚类（3）--文本转换成arff

    要使用weka进行聚类分析，必须先将文本数据转换成weka可识别的arff格式。Instances类是weka可识别的数据类，其toString方法即可转换为arff格式的数据。在文本聚类中，arff格式的示例如下：

@relation patent

@attribute text string

@data
'第一篇文章的内容'

'第二篇文章的内容'

......

经过摸索，主要有三种方式将文本转换成Instances类。

    （1）连接数据库。weka对数据库连接的支持很差，需要将weka的jar解压，再修改里面的参数重新打包才可以正常使用。修改参数的示例百度上有许多，现在送上一个链接，是修改完参数后的java调用教程。这种方式特别麻烦，不实用。

    （2）调用TextDirectoryLoader。此类是weka自带的Loader，能够读取一个文件夹下的文本，并转换成arff格式。其调用非常简单，但是有几个需要注意的点。首先是文本的摆放格式，一篇文本用一个文件保存，但是主文件夹下不能直接放置文本文件，需要建立不同的文件夹放置不同种类的文本文件。举个例子，如在“d:\\text"目录下，应该建立多个子文件夹，如“class1”,"class2"，在两个子文件夹下再放置文本文件。本次使用主题是用weka进行文本聚类，因此，