classification - 将网页转换为 ARFF 文件以进行 Weka 分类

Question

我想使用 weka 对 10 个网页进行分类。如何将网页转换为 Weka 的 ARFF 文件格式？我是否需要将所有 10 页转换为一个 ARFF 文件，或者我是否需要为每个网页转换 ARFF 文件，即 10 个 ARFF 文件。

Answer 1

假设您想保留 HTML 格式，这相对容易。只需将您的 HTML 文件放在单独的文件夹/目录中（每个目录一个类），然后应用TextDirectoryLoader转换器，如使用 WEKA 的文本分类教程中所述。

假设你有两个类，你应该做的（并通过这个过程得到）是一个 ARFF 文件，每个文件有一个实例，每个文件的文本到一个文本属性的单个字段（属性值）中，以及与类（目录名）。然后您可以使用 StringToWordVector 过滤器将文档转换为术语向量并执行分类。