使用木槌和最大熵进行分类

Question

我想在Eclipse中使用mallet对docs（wsdl文件）进行预处理。我想生成特征向量并使用木槌和最大熵执行分类。我是使用木槌的新手，谁能在这方面指导我。

谢谢

Answer 1

如果您指的是 Web 服务描述语言，我不知道为这些文档设计的任何特定工作流程或包。我怀疑您可能希望创建一组功能，将文本（来自 Web 服务描述）和更多"分类"功能（如 URL 或 URL 模式）组合在一起。

我解决这个问题的方法是创建一个单独的包，用于读取 WSDL 文件并以 Mallet 期望的格式写出文件。此适配器可以用您最熟悉的任何语言编写。它将读取所有文件，为每个文件获取解析的XML树，提取文本和某些其他功能，并以Mallet首选的制表符分隔，每行一个文档格式输出文件。