使用 Weka 在 Java 中对推文进行分类

Question

我有一些推文要做情绪分析。因此，我使用 Twitter4J 获取推文，然后我决定使用 Weka 库来使用 KMeans、Naive Bayes、SVM 等方法。

首先，我将推文手动移动到一个文本文件中，并自己编写了它们的类。这是我的训练数据。在我的代码中，我阅读了这个文件并尝试训练和测试我的模型。但我得到了错误

"Exception in thread "main" weka.core.UnsupportedAttributeTypeException: Cannot handle string attributes!" 

为了修复它，我使用了 StringtoWordVector 过滤器，但它也不起作用。这是我的代码：

import java.io.BufferedReader;
import java.io.FileNotFoundException;
import java.io.FileReader;

import weka.classifiers.Classifier;
import weka.classifiers.Evaluation;
import weka.classifiers.bayes.NaiveBayes;
import weka.classifiers.lazy.IBk;
import weka.classifiers.meta.FilteredClassifier;
import weka.core.Attribute;
import weka.core.FastVector;
import weka.core.Instance;
import weka.core.Instances;
import weka.filters.unsupervised.attribute.StringToWordVector;

public class Driver {
    public static BufferedReader readDataFile(String filename) {
        BufferedReader inputReader = null;

        try {
            inputReader = new BufferedReader(new FileReader(filename));
        } catch (FileNotFoundException ex) {
            System.err.println("File not found: " + filename);
        }

        return inputReader;
    }

    public static void main(String[] args) throws Exception{
    BufferedReader datafile = readDataFile("file.txt");

     Instances data = new Instances(datafile);
     data.setClassIndex(data.numAttributes() - 1);



     FilteredClassifier fc = new FilteredClassifier();

     /
     Classifier cModel = (Classifier)new IBk();   

     cModel.buildClassifier(data);

     StringToWordVector swv = new StringToWordVector();
     fc.setFilter(swv);
     fc.setClassifier(cModel);


     // Test the model
     Evaluation eTest = new Evaluation(data);
     eTest.evaluateModel(cModel, data);

     // Print the result à la Weka explorer:
     String strSummary = eTest.toSummaryString();
     System.out.println(strSummary);

     // Get the confusion matrix
     double[][] cmMatrix = eTest.confusionMatrix();
     for(int row_i=0; row_i<cmMatrix.length; row_i++){
         for(int col_i=0; col_i<cmMatrix.length; col_i++){
             System.out.print(cmMatrix[row_i][col_i]);
             System.out.print("|");
         }
         System.out.println();
     }
}
}

我还想显示我的 file.txt：

@relation twitter

@attribute tweetMsg string  
@attribute class{positive,negative,neutral}

@data

"bugün hava çok güzel",positive
"hiç iyi hissetmiyorum",negative
"hayat çok normal",neutral
"Diriliş Ertuğrul izlerken her türlü kumpasın döndüğünü görmek ama günün birinde Osmanlı Beyliği' nin kurulacağını bilmenin huzuru ?",positive
"Diriliş Ertuğrul dizisi ile tarihe merakim arttı ??",positive
"Kanka moralim bozuk diyorum boşver kanka gel diriliş ertuğrul izleyelim diyor yemin ederim kanka gibi kanka .",positive
"Diriliş Ertuğrul beni son zamanlarda futbol dışında TVde tutan tek yapım kurgusu, görseli süper",positive
"#kösemsultan Osmanlının gerçek yüzünü çıkardıkları için mi hoşunuza gitmiyor Diriliş Ertuğrul saçmalığın alası hadi onuda şikayet edin!!!",negative
"Benim için LeylaileMecnun neyse abim için Diriliş Ertuğrul da o.",neutral
"#MutlulukNeDiyeSorsalar diriliş Ertuğrul izlemek derim",positive
"beyler muhteşem yüz yıl kösemi izliyorum da diriliş ertuğrul bu diziye 10 takar. saray saray değil kadınlar hamamı sanki.",positive
"Diriliş Ertuğrul diziside ne boktan bir senaryo arkadaş. Herif 4 bölümde bir hain ilan edilip sonra obaya geri geliyor sonra yine hain :):)",negative
"Diriliş Ertuğrul izlemekten babama beyim dedim amk",neutral
"Diriliş ertuğrul haric bütün Türk dizileri saçmalik broo",positive

但是，这些推文是土耳其语的。所以，你认为我走对了吗？还是我应该做一些更复杂的事情？就像首先阻止单词等。

对我的问题的任何帮助将不胜感激。

Answer 1

阅读错误信息：

Cannot handle string attributes!

显然指的是这一行：

@attribute tweetMsg string

分类器IBk 不支持string 属性。