Weka字符串屬性稀疏ARFF文件

Question

我想使用Weka進行文本分類。 爲此，使用稀疏ARFF數據文件格式是有意義的。 使用Weka的3.7.2，我想：

1. 轉化文本目錄的實例對象使用 TextDirectoryLoader。
2. 使用StringToWordVector將前一級產生的字符串轉換爲數字。

第一階段工作正常。第二階段產生的問題，在 Weka's ARFF file format specification這樣描述：

警告：有一個已知問題，從具有字符串屬性數據集節能SparseInstance對象。在Weka中，字符串和標稱數據值存儲爲數字;這些數字充當可能屬性值數組中的索引（這非常有效）。但是，第一個字符串值被分配爲索引0：這意味着在內部將該值存儲爲0.當寫入SparseInstance時，不會輸出內部值爲0的字符串實例，因此它們的字符串值將丟失將再次讀取arff文件，默認值0是不同字符串值的索引，因此屬性值似乎會更改）。

的ARFF格式表明該解決方案：

爲了解決這個問題，在索引0添加一個虛擬的字符串值，每當您聲明可能在SparseInstance使用字符串屬性從未使用對象並保存爲稀疏ARFF文件。

我想這樣做 - 添加一個虛擬字符串。我沒有做到這一點手動（通過編輯ARFF文件）。任何已經完成這項工作的人都可以發表一個例子 - 這樣做的程序片段，正確修改的ARFF文件或者其他方式來做到這一點？

謝謝。

Answer 1

不要直接編輯arff文件。

我剛纔已經回答了類似的問題在這裏： Weka printing sparse arff file

使用相同的代碼示例。