StringToWordVector Weka输出

Question

我有一个包含一组文本句子的arff文件。我想获得每个句子中每个单词的绝对频率。我使用了StringToWordVector。

这是起始文件

@relation dataset 
 @attribute Text string 
 @date 
 'I'm a movie lover and this is one of the best museums in which ...

运行StringToWordVector后，我得到这种类型的实例：

@relation dataset1
@attribute word numeric
...
{13 2, 19 2, 30 2, 33 1, 53 1, 55 4, 60 1, 61 2, 72 3, 78 1, 89 1, 90 1, 99 
1, 106 1,120 1,121 1,123 2,124 5,126 2,136 1,140 1,147 5,148 2,160 1,186 
1,198 1,202 1,248 9,253 1, ...}

由于我想跟踪单词，而不是使用数字id，如何将文本单词与执行stringtowordvector命令后获得的频率相关联？

Answer 1

Weka邮件列表上也提到了这个问题：

https://list.waikato.ac.nz/pipermail/wekalist/2019-April/047670.html

StringToWordVector以稀疏格式输出数据，其中第一个值是属性的从0开始的索引，第二个值是实际值：

https://waikato.github.io/weka-wiki/arff_stable/#sparse-arff-files