import java.io.BufferedReader;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileWriter;
import java.io.IOException;
import java.io.InputStreamReader;
import java.util.Calendar;
import java.util.List;
import edu.udo.cs.wvtool.config.WVTConfiguration;
import edu.udo.cs.wvtool.config.WVTConfigurationFact;
import edu.udo.cs.wvtool.generic.output.WordVectorWriter;
import edu.udo.cs.wvtool.generic.stemmer.DummyStemmer;
import edu.udo.cs.wvtool.generic.stemmer.WVTStemmer;
import edu.udo.cs.wvtool.generic.tokenizer.WVTTokenizer;
import edu.udo.cs.wvtool.generic.vectorcreation.TFIDF;
import edu.udo.cs.wvtool.generic.wordfilter.DummyWordFilter;
import edu.udo.cs.wvtool.generic.wordfilter.WVTWordFilter;
import edu.udo.cs.wvtool.main.WVTDocumentInfo;
import edu.udo.cs.wvtool.main.WVTFileInputList;
import edu.udo.cs.wvtool.main.WVTWordVector;
import edu.udo.cs.wvtool.main.WVTool;
import edu.udo.cs.wvtool.wordlist.WVTWordList;
public class MyTest{
public static void main(String[] args) throws Exception {
//初始化一个WVTool对象
WVTool wvt = new WVTool(false);
//初始化一个configuration对象
WVTConfiguration config = new WVTConfiguration();
WVTStemmer stemmer = new DummyStemmer();
WVTTokenizer tk = new ChineseTokenizer();
//DummyStopWordFilter filter = new DummyStopWordFilter();
WVTWordFilter filter = new DummyWordFilter();
config.setConfigurationRule(WVTConfiguration.STEP_TOKENIZER, new WVTConfigurationFact(tk));
config.setConfigurationRule(WVTConfiguration.STEP_STEMMER, new WVTConfigurationFact(stemmer));
config.setConfigurationRule(WVTConfiguration.STEP_WORDFILTER, new WVTConfigurationFact(filter));
WVTFileInputList list = new WVTFileInputList(2);
// Add entries
//为输入添加一个文档信息对象 (WVTDocumentInfo),其中sourceName对象可以是一个文件夹的名称,也可以是一个文件名称, 最后一个0这个文档信息对象的类别
//样本数据
//list.addEntry(new WVTDocumentInfo("a.txt", "txt", "", "", 0));
//list.addEntry(new WVTDocumentInfo("b.txt", "txt", "", "", 1));
list.addEntry(new WVTDocumentInfo("D:/temp/1", "txt", "", "chinese", 0));
list.addEntry(new WVTDocumentInfo("D:/temp/2", "txt", "", "chinese", 1));
//生成wordList
WVTWordList wordList = wvt.createWordList(list, config);
//对wordList中词频做出一个限制,即词频在1<n<5之间
wordList.pruneByFrequency(1, 5);
//生成词组文件
wordList.storePlain(new FileWriter("wordlist.txt"));
// 生成词频文件
wordList.store(new FileWriter("wordVector.txt"));
//将生成的文本向量空间写入一个特定的文件
FileWriter outFile = new FileWriter("wv.txt");
//DummyWordVectorWriter wvw = new DummyWordVectorWriter(outFile, true);
WordVectorWriter wvw = new WordVectorWriter(outFile,true);
config.setConfigurationRule(WVTConfiguration.STEP_OUTPUT, new WVTConfigurationFact(wvw));
config.setConfigurationRule(WVTConfiguration.STEP_VECTOR_CREATION, new WVTConfigurationFact(new TFIDF()));
//Create the vectors
WVTWordVector[] vectors = wvt.createVectors(list, config, wordList,null);
//Close the output file
wvw.close();
outFile.close();
// 一个使用wordList构建文本空间向量的实例
//WVTWordVector q = wvt.createVector("cmu harvard net", wordList);
//测试的文本
WVTDocumentInfo d = new WVTDocumentInfo("", "txt", "", "chinese");
//测试文本的内容
String txt = getContent("test.txt");
//根据wordlist和config 生成向量
WVTWordVector q = wvt.createVector(txt, d, config, wordList);
FileWriter outFile1 = new FileWriter("test_wv1.txt");
WordVectorWriter wvw1 = new WordVectorWriter(outFile1, true);
wvw1.write(q);
wvw1.close();
outFile1.close();
//knn算法分类
KNN knn = new KNN();
//分类结果
List result = knn.LazyLearning(q, vectors, list.getNumClasses());
for(int i=0;i<result.size();i++){
CategoryResult cr = (CategoryResult) result.get(i);
System.out.println("rs:"+cr.getCategoryName()+" "+cr.getSimilarity());
}
}
public static String getContent(String file) throws IOException{
File myfile = new File(file);
if (!myfile.exists()) {
return "";
}
File f=new File(file);
InputStreamReader read = new InputStreamReader (new FileInputStream(f));
BufferedReader reader = new BufferedReader(read);
String line;
String strContent = "";
while((line=reader.readLine())!=null){
strContent+=line;
}
return strContent;
}
}
分享到:
相关推荐
对于做文本分类的研究者来说,要做的第一步就是要将文本向量化,然后在向量空间中对文本进行研究。这样就出现了一个问题,如何将文本向量化?WVTool是一款开源软件,它主要做文本词频方面的处理,对于实现文本向量化...
3. **文本分类、聚类与可视化**:使用WVTool操作符进行文本分类、聚类以及可视化等高级任务。 4. **参数优化**:通过调整参数设置以优化模型性能。 5. **词表管理**:创建、维护和更新词表,用于改进词向量的质量。 ...
这份教程详细介绍了 `wvtool` 的使用方法和高级特性,包括如何进行更复杂的操作,如自定义输出格式、处理错误以及与其他工具集成。阅读这份文档能帮助你深入理解 `wvtool` 的全部功能,并能够熟练地将其应用于实际...
使用**wvtool**这样的工具,开发者和研究人员可以更高效地进行文本数据分析,比如情感分析、文本分类、机器翻译、问答系统等任务。通过将文本转换为向量,复杂的语言问题可以通过数学运算来解决,大大简化了自然语言...
使用者可以通过这个工具对英文文本进行上述处理,无需手动实现这些复杂算法,极大地提高了工作效率。同时,由于它是开源的,开发者可以查看和修改源代码,以适应特定需求,或者贡献新的功能。 总的来说,"文本矢量...
在RapidMiner中,WVTool接口可能用于预处理文本数据,提取有意义的特征,为文本分类、情感分析等任务提供支持。 7. **详细帮助文档**: 提到的lib包中的详细帮助文档是英文版的,这对于用户深入理解和使用RapidMiner...
- 使用`fft`函数进行FFT计算时,通常会使用`nextpow2`函数确保NFFT为2的幂,以提高计算效率。 总的来说,窗函数是MATLAB中进行信号分析和频谱估计的重要工具,选择合适的窗函数能有效改善频谱泄漏问题,提高频谱...
本文档主要讨论了利用MATLAB进行窗函数数字滤波器设计的方法,包括有限脉冲响应(FIR)滤波器和无限脉冲响应(IIR)滤波器的设计,并对比了不同窗函数在设计中的使用和效果。 首先,要了解窗函数在时域和频域的特性...
下面的MATLAB代码演示了如何使用汉宁窗对原始信号进行加窗处理,以及比较加窗前后的频谱泄漏情况。代码首先创建一个包含三个不同频率正弦波的信号,然后应用汉宁窗,再计算加窗后的频谱。结果表明,加窗虽然减少了...
在MATLAB中,我们可以使用`wvtool`或自定义函数来计算SPWVD。 接下来,让我们详细解释如何在MATLAB中计算SPWVD。通常,我们需要以下步骤: 1. **导入数据**:首先,你需要将实验数据导入MATLAB。这可以通过`load`...
- `wvtool`函数则提供了一个可视化的界面,可以同时展示窗函数的时域和频域特性,对于Kaiser、Blackman、Rectangle、Hanning、Hamming和Gaussian等窗函数,都可以通过该工具进行分析。 2. 低通滤波器设计 - 设计...