的Java秧雞stringtowordvector不計字OCCURENCES正確

所以我使用的Weka機器學習庫的Java API和我有以下代碼：的Java秧雞stringtowordvector不計字OCCURENCES正確

String html = "repeat repeat repeat"; 

    Attribute input = new Attribute("html",(FastVector) null); 

    FastVector inputVec = new FastVector(); 
    inputVec.addElement(input); 

    Instances htmlInst = new Instances("html",inputVec,1); 
    htmlInst.add(new Instance(1)); 
    htmlInst.instance(0).setValue(0, html); 

    StringToWordVector filter = new StringToWordVector(); 
    filter.setUseStoplist(true); 

    filter.setInputFormat(htmlInst); 
    Instances dataFiltered = Filter.useFilter(htmlInst, filter); 

    Instance last = dataFiltered.lastInstance(); 
    System.out.println(last);

雖然StringToWordVector應該在字符串中數字出現次數，而不是「重複」一詞計數3次，計數僅作爲1發生1

我在做什麼錯了？

來源

2011-07-25 kamikaze_pilot

哎...所有這些代碼行。這幾條線怎麼樣呢？

public static Map<String, Integer> countWords(String input) { 
    Map<String, Integer> map = new HashMap<String, Integer>(); 
    Matcher matcher = Pattern.compile("\\b\\w+\\b").matcher(input); 
    while (matcher.find()) 
     map.put(matcher.group(), map.containsKey(matcher.group()) ? map.get(matcher.group()) + 1 : 1); 
    return map; 
}

下面的代碼中的操作：

public static void main(String[] args) { 
    System.out.println(countWords("sample, repeat sample, of text")); 
}

輸出：

{of=1, text=1, repeat=1, sample=2}

來源

2011-07-25 03:27:19 Bohemian

的默認設置是僅報告存在/不存在爲0/1。您必須明確啓用計數。添加：

filter.setOutputWordCounts（true）;

並重新運行。

Weka有一個明確的郵件列表;在那裏發佈這樣的問題可能會給你更快的迴應

來源

2011-10-11 01:00:53 user988621

的Java秧雞stringtowordvector不計字OCCURENCES正確

回答

相關問題