weka的StringToWordVector类用于将文档内容转化为适合文本分类的vms模型。在转换过程中，它使用tokenizer进行分词并创建m_dictionary。非string属性值被映射为0-2，但SparseInstance会剔除非class属性值为0的元素，导致test1的label丢失。问题源于instance类设计时未充分考虑class属性。修复方案包括重写SparseInstance方法或修改instance类的赋值方法，但后者涉及较多改动。
weka的StringToWordVector类可以将给定的文档格式的内容转换为vms模型的内容，而后者是文本分类必须的模块。按照weka要求，生成arff格式的文本：
@relation D__java_weka_data
@attribute text string
@attribute class {test1,test2,test3}
@data
'here we go go go go to do ',test1
'Mostly, I expect we are interested in indexing XPath queries',test1
'so what do you think you can do anything?',test2
'Sparse ARFF files are very similar to ARFF files',test3按照StringToWordVector类的命令格式，设定opti
最低0.47元/天 解锁文章
5934
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
