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。
我已经通过人工培训了这些新闻文章的标题，完成了大约80,000篇（我想要的文章和不想要的文章）
我写了一个应用程序，输出顶部单词及其分数，似乎某些关键词正在高高在上。
一些所谓的顶级单词是误报， - 它们只是顶部，因为每个标题页都有它们。
像斯特拉特福德先驱报＆＃39; （这是报纸的名称） - 一旦模型已经创建，是否还要删除它们？
我想简单地删除大约20个顶级单词（或者在提供最佳标签时让mahout忽略），但我不希望这是一个输入练习（即过滤这些名称）我喜欢在培训输入中排除，我更喜欢发布删除，因为我已经花了很多时间手动培训。
- home：1067
- dorset：1493
- 详情：908
- 返回：867
- poole：1651
- set：819
- 帮助：743
- get：812
- 伯恩茅斯：14728
- new：2661
- avon：2684
- local：3092
- cherries：1244
- 警察：1011
- over：1813
- echo：6526
- null：79983
- 之后：2292
- stratford：2657
- 学校：1395
- 工作：881
- 工作：6982
- car：772
- 先驱：2817
- 护士：1174
- 男子：1335
- 经理：1071
- 日：759
- 时间：764
- 议会：824
- 时间：2676
标签数量：2
训练集中的文件数量：79983
标签为negative_article的前75个单词
- 斯特拉特福德：10748.598348617554
- 先驱：7579.555884361267
- avon：7484.692479610443
- 时间：7476.3635239601135
- local：7426.4039397239685
- 之后：3837.6605548858643
- 男：3512.4373264312744
- 警察：2586.899124145508
- over：1537.557123184204
- 女：1434.1630334854126
标签其他
的前75个单词
- 伯恩茅斯：39076.86379265785
- 工作：24028.39960718155
- echo：22974.801107406616
- new：10888.526140213013
- stratford：8045.635549545288
- poole：7493.278381347656
- over：7077.8266887664795
- 学校：7011.863867282867
- 当地：7004.647378444672
- dorset：6961.040742397308