我有一个包含一组文本句子的arff文件。我想要获得每个句子中每个单词的绝对频率。我使用了StringToWordVector。
这是起始文件
@relation dataset @attribute Text string @date 'I'm a movie lover and this is one of the best museums in which ...
在运行StringToWordVector之后,我得到了这种类型的实例:
@relation dataset1 @attribute word numeric ... {13 2, 19 2, 30 2, 33 1, 53 1, 55 4, 60 1, 61 2, 72 3, 78 1, 89 1, 90 1, 99 1, 106 1,120 1,121 1,123 2,124 5,126 2,136 1,140 1,147 5,148 2,160 1,186 1,198 1,202 1,248 9,253 1, ...}
既然我想跟踪单词,而不是使用数字id,我如何将文本单词与执行stringtowordvector命令后获得的频率关联起来?
发布于 2019-04-16 05:38:39
这个问题在Weka邮件列表上也被问到了:
https://list.waikato.ac.nz/pipermail/wekalist/2019-April/047670.html
StringToWordVector以稀疏格式输出数据,其中第一个值是属性的从0开始的索引,第二个值是实际值:
https://waikato.github.io/weka-wiki/arff_stable/#sparse-arff-files
https://stackoverflow.com/questions/55697318
复制相似问题