Weka：文本文档的多类分类，给出异常结果

Question

我是Weka的新手。我试图在OCR过程之后对文本文档进行分类。培训语料库包含286份抵押文件和57份票据文件。测试数据集包含1-100个文本页面。因此，训练和测试数据集的每一行都包含几段文本数据。分类后，文本文件应妥善分类为抵押或票据。

我正在进行StringToWordVector操作，将训练和测试数据集与测试数据集中的缺失值相结合，即＆＃34;？＆＃34;。

步骤如下：

1. 使用以下命令行创建训练Arff文件：

     

   java -cp weka.jar weka.core.converters.TextDirectoryLoader -dir＆lt; text directory＆gt;

   这会创建一个包含已知类的训练数据集，即抵押，注意

2. 创建缺少类的测试Arff文件，即＆＃34;？＆＃34;

3. 结合训练和测试数据集

4. 使用以下命令行运行分类器：

     

   java -cp weka.jar weka.classifiers.meta.FilteredClassifier -t train.arff -test.arff -F＆＃34; weka.filters.MultiFilter -F weka.filters.unsupervised.attribute.StringToWordVector -F weka .filters.unsupervised.attribute.Standardize＆＃34; -d trained.model -p 0

我也从Weka GUI和命令行运行上面的例子。就命令而言，一切正常。结果不正常。一点也不正确。

我还尝试单独运行StringToWordVector操作，并通过数据集上的NaiveBayes，NaiveBayesMultiNomial，J48和其他多类分类器进行测试，但分类预测不正确。总是给出异常结果。

请帮助我获得正确的预测结果。如果上述步骤正确且我做错了，请告诉我。