作为java的一个库来使用wvtool

 

该WVTool可作为一个独立的Java库或RapidMiner环境的一个插件来使用。在这里，我们将主要讨论WVTool作为一个java库来使用是如何实现的。

1.1 安装

作为Java库使用WVTool，首先从SourceForge上WVTool/ homepage1上下载wvtool包 ，解压缩档案，并把wvtool.jar文件和所有的jar文件放置到lib子目录中。

要使WVTool能应用起来，需要处理两种基本步骤：

1.         从给定的一组文本文件来创建一个词表（定义向量空间的维度）；

2.         基于创建的词表创建向量空间。词表中包含的所有词条连同一些统计数字（例如，在有多少文件，词条）都被用来矢量化 。矢量化的词表中的词条用来决定向量空间的维度和权值。

以上两个步骤需要两个基本输入参数。首先，输入样本文件清单，告诉系统处理哪些文本文件；第二，配置对象，它告诉系统各个步骤所使用的处理方法。

1.2 定义Input

Input列表告诉WVTool哪些学习文本文件应该处理。列表中每项包含以下信息：

 

l         URI的文本资源。目前，这可以是本地文件/目录或网址

如果是本地目录文件，在此目录中的所有文件都被处理（包含子目录） 。作为WVTool的扩展，其他类型的URI也可以处理的很好，只要用户提供了一个方法来处理它们（见2.3 ）

l         文本的语言类型（可选）

l         文件类型（可选）

文件类型分为文本文件（txt）、pdf