प्राकृतिक भाषा प्रसंस्करण के लिए एआरएफएफ

Question

मैं समीक्षाओं का एक सेट लेने की कोशिश कर रहा हूं, और उन्हें WEKA के उपयोग के लिए एआरएफएफ प्रारूप में परिवर्तित कर रहा हूं। दुर्भाग्यवश या तो मैं पूरी तरह गलत समझता हूं कि प्रारूप कैसे काम करता है, या मुझे सभी संभावित शब्दों, फिर एक उपस्थिति संकेतक के लिए एक विशेषता होगी। क्या किसी को बेहतर तरीके से पता है, या आदर्श रूप से एक नमूना एआरएफएफ फ़ाइल है?

Answer 1

थोड़ी देर के लिया बाहर काम करने के लिए, लेकिन यह input.arff साथ:

@relation text_files 

@attribute review string 
@attribute sentiment {0, 1} 

@data 
"this is some text", 1 
"this is some more text", 1 
"different stuff", 0 

और इस आदेश:

java -classpath "C:\\Program Files\\Weka-3-6\\weka.jar" weka.filters.unsupervised.attribute.StringToWordVector -i input.arff -o output.arff 

निम्नलिखित उत्पादन किया जाता है:

@relation 'text_files-weka.filters.unsupervised.attribute.StringToWordVector-R1-W1000-prune-rate-1.0-N0-stemmerweka.core.stemmers.NullStemmer-M1-tokenizerweka.core.tokenizers.WordTokenizer -delimiters \" \\r\\n\\t.,;:\\\'\\\"()?!\"' 

@attribute sentiment {0,1} 
@attribute different numeric 
@attribute is numeric 
@attribute more numeric 
@attribute some numeric 
@attribute stuff numeric 
@attribute text numeric 
@attribute this numeric 

@data 

{0 1,2 1,4 1,6 1,7 1} 
{0 1,2 1,3 1,4 1,6 1,7 1} 
{1 1,5 1} 

Answer 2

आप तो सादा पाठ फ़ाइलों और विभिन्न फ़ोल्डर्स (सकारात्मक और नकारात्मक मामले में नकारात्मक) में समीक्षाओं को स्टोर करें, आप TextDirectoryLoader का उपयोग कर सकते हैं।

आपको यह वेका में या कमांड लाइन से नॉलेजफ्लो एप्लिकेशन में मिलता है। यहां अधिक जानकारी: http://weka.wikispaces.com/ARFF+files+from+Text+Collections