我是使用 Mallet 的新手。我通常使用WEKA进行分类，现在我正在尝试使用Mallet进行文本分类。在 Weka 中，有我们自己选择并制作 .arff 文件的属性（例如单词长度或前 n 个单词出现）。
我在http://mallet.cs.umass.edu/import.php中阅读了有关 Mallet 的输入格式，但我仍然感到困惑。我们如何在输入格式中分配属性？我们如何判断这个文件属于某个类？例如，一个文档属于“运动”类？
任何输入格式文件的例子都将不胜感激。
谢谢！
问问题
1153 次
1 回答
4
-我们如何判断这个文件属于某个类？：
每个类可以有一个文件夹，例如：C:/Corpus/Class1 C:/Corpus/Class2 C:/Corpus/Classn，每个文件夹包含属于该类的文档。
我们如何在输入格式中分配属性？
如果您想知道文件导入的选项，请转到：C：/mallet/bin，然后在那里：mallet import-dir --help，将显示导入文件的选项，例如--remove-stopwords , -- 克大小。
导入文件的示例代码：
bin/mallet import-dir --input C:/Corpus/* --output corpus.mallet --gram 大小 1,2 --preserve-case
于 2015-07-14T22:00:29.847 回答