生成文本聚类java实现 (2)

?? 呵呵，继续。

　本节的学习内容：

?

语料分类腐化? "生活作风"? "女色"? "情妇"?? "权色"?? "生活糜烂"?? "生活堕落"生活作风
"东城" "西城" "崇文" "宣武" "朝阳" "海淀" "丰台" "石景山" "房山" "通州" "顺义" "大兴" "昌平
" "平谷" "怀柔" "门头沟" "密云" "延庆"
北京
上访? 信访? 举报? 揭发? 揭露? "买官"? "卖官"上访举报李刚? "河大撞人"　撞人我爸是李刚"送钱短信" OR ( 驾校 AND 交警 )送钱短信
"乐东县" "保亭县" "陵水县" "琼中县" "白沙县" "昌江县" "屯昌县" "定安县" "澄迈县" "临高县" 
"儋州" "东方" "五指山" "万宁" "琼海" "文昌" "三亚" "海口"
海南
?
　训练结果就是跟上面语料和分类的有极高的相似度。
?
下面是基本的KNN算法。KNN.java
?　datafile.txt文件内容：
测试元组: 1.0 1.1 1.2 2.1 0.3 2.3 1.4 0.5 类别为: 1测试元组: 1.7 1.2 1.4 2.0 0.2 2.5 1.2 0.8 类别为: 1测试元组: 1.2 1.8 1.6 2.5 0.1 2.2 1.8 0.2 类别为: 1测试元组: 1.9 2.1 6.2 1.1 0.9 3.3 2.4 5.5 类别为: 0测试元组: 1.0 0.8 1.6 2.1 0.2 2.3 1.6 0.5 类别为: 1测试元组: 1.6 2.1 5.2 1.1 0.8 3.6 2.4 4.5 类别为: 0
?下面的工作就是如何让汉字也成为如上的Long类型的数字呢，我们现在使用词频的空间向量来代替这些文字。
?
    1 楼    zhzhl202    2011-05-12              楼主 这个系列文章怎么没有更新了，大家都等着看呢？楼主 加油呀    2 楼    liuxueyuyong    2011-06-02              多谢楼主， 正在研究分类聚类，学习了！    3 楼    luobo525    2012-01-29              怎么没有后续了呢,非常期待啊    4 楼    lands2    2012-03-26              楼主牛人啊，正需这方面内容，楼主能不能介绍一下这些知识在哪里学的吗？还有就是真心希望楼主能更新下一篇文章：
4.从剩余的词中提取文本特征，即最能代表文本的词    
5.用空间向量表示文本，空间向量需标准化，即将数值映射到-1到1之间    
6.利用所获取的空间向量进行聚类分析    
7.交叉验证