我已经设置了 mahout 来为新闻文章提供一些分类，所以我只能提取那些感兴趣的新闻文章。
我已经手动训练了这些新闻文章的标题，完成了大约 80,000 篇（我想要和不想要的文章）
我编写了一个应用程序，它输出最热门的单词及其分数，似乎某些关键词在最热门的单词上爬得很高。
一些所谓的顶级词是误报，它们之所以是顶级词，是因为每个标题页都有它们。
例如“stratford herald”（这是报纸的名称）——一旦模型已经创建，是否有办法删除它们？
有大约 20 个最重要的词我想简单地去掉（或者在提供最佳标签时让 mahout 忽略），但我不希望这成为输入练习（即过滤那些名字 id 喜欢排除在训练输入），我更愿意发布删除，因为我已经花了很多时间手动训练。
- 家：1067
- 赛特：1493
- 详情：908
- 返回：867
- 普尔：1651
- 套装：819
- 帮助：743
- 得到：812
- 伯恩茅斯：14728
- 新：2661
- 雅芳：2684
- 本地：3092
- 樱桃：1244
- 警察：1011
- 结束：1813
- 回声：6526
- 空：79983
- 之后：2292
- 斯特拉特福：2657
- 学校：1395
- 工作：881
- 职位：6982
- 车：772
- 先驱：2817
- 护士：1174
- 男：1335
- 经理：1071
- 天数：759
- 时间：764
- 理事会：824
- 在：2676 标签数：2 训练集中的文档数：79983 标签的前 75 个词negative_article
- 斯特拉特福：10748.598348617554
- 先驱报：7579.555884361267
- 雅芳：7484.692479610443
- 上：7476.3635239601135
- 本地：7426.4039397239685
- 之后：3837.6605548858643
- 男：3512.4373264312744
- 警察：2586.899124145508
- 超过：1537.557123184204
- 女人：1434.1630334854126 标签的前 75 个词
- 伯恩茅斯：39076.86379265785
- 工作：24028.39960718155
- 回声：22974.801107406616
- 新：10888.526140213013
- 斯特拉特福：8045.635549545288
- 池：7493.278381347656
- 结束：7077.8266887664795
- 学校：7011.863867282867
- 本地：7004.647378444672
- 赛特：6961.040742397308