如何使用Weka创建一个单词包？

Question

我有一组文档，我想将每个文档表示为向量。基本上，对于文档中存在的单词和其他单词（存在于语料库中的其他文档中而不是在此特定文档中），向量将具有1，它将具有0.如何为所有人创建此向量Weka中的文件？

使用Weka有快速的方法吗？我还希望Weka删除停用词，以便在创建此向量之前进行一些预处理。

由于 Abhishek S

Answer 1

您需要StringToWordVector过滤器。

它有二进制出现和停止等选项，例如词干，截断单词列表，丢弃不常用的术语，大小写折叠。