如何从Weka文本分类输出结果文档

Question

所以我们在一组15k推文上运行多项式朴素贝叶斯分类算法。我们首先根据Weka的StringToWordVector函数将每条推文分解成一个单词特征向量。然后，我们将结果保存到一个新的arff文件中，作为我们的训练集提供给用户。我们用另一组5k推文重复这个过程，并使用从我们的训练集中导出的相同模型重新评估测试集。

我们想做的是输出weka在测试集中分类的每个句子及其分类...我们可以看到算法的性能和准确性的一般信息（精度，召回，f-得分），但我们不能看到由weka分类的单个句子，基于我们的分类器...有办法这么做吗？

另一个问题是，最终我们的教授会给我们20k更多的推文，并期望我们对这个新文档进行分类。我们不知道如何做到这一点，但是：

All of the data we have been working with has been classified manually, both the training and test sets...
however the data we will be getting from the professor will be UNclassified... How can we 
reevaluate our model on the unclassified data if Weka requires that the attribute information must
be the same as the set used to form the model and the test set we are evaluating against?

谢谢你的帮助！

Answer 1

完成这些任务的最简单方法是使用过滤器分类器。这种分类器集成了过滤器和分类器，因此您可以将StringToOrdVector过滤器与您喜欢的分类器连接（J48，NaiveBayes，无论什么），并且您将始终保留原始训练集（未处理的文本），通过使用StringToWordVector过滤器导出的人声，将分类器应用于新推文（未处理）。

您可以在“WEKA中文本挖掘的命令行函数”中的命令行中，以及通过“使用WEKA的Java中的简单文本分类器”中的程序来了解如何实现这一点。