weka StringToWordVector过滤器reversion（java）

Question

我无法使用 weka 库处理群集。我有字符串属性，所以我使用StringToWordVector过滤器，但是如何在集群之后从WordVector转回字符串表示以显示“人类可读”的结果？ 我想恢复此操作：

StringToWordVector filter = new StringToWordVector();
filter.setInputFormat(instancesToFilter);
Instances dataFiltered = Filter.useFilter(instancesToFilter, filter);

可能吗？

Answer 1

StringToWordVector过滤器无法撤消。但是，您至少有两种可能性：

• 如果您只想查看或显示每个群集中的原始字符串，可以添加ID属性，确保在群集期间不使用该属性（以避免意外行为），然后从中恢复文本原始字符串（ARFF文件）。
• 如果要显示每个群集内容的一些有意义的摘要，您只需输出每个群集中最频繁/最重的词。在聚类文本时，这是一种相当常见的方法。

Answer 2

过滤器有损。

因此，不存在（精确）逆转换。不过，你可以用某种方式近似它。

考虑查看过滤器的源代码。