我正在尝试用Java实现感知器算法，只是一层的那种，不是完整的神经网络类型。我要解决的是一个分类问题。
我需要为四个类别中的每一个文档创建一个词袋特征向量，这些类别分别是政治、科学、体育和无神论。这是数据。
我试图实现这个目标（这是这个问题第一个回答的直接引用）：
示例：
Document 1 = ["I", "am", "awesome"]Document 2 = ["I", "am", "great", "great"]字典是：
["I", "am", "awesome", "great"]因此，文档作为向量看起来像这样：
Document 1 = [1, 1, 1, 0]Document 2 = [1, 1, 0, 2]有了这个，你就可以进行各种复杂的数学运算，并将其输入到你的感知器中。
我已经能够生成全局字典，现在我需要为每个文档创建一个，但如何才能把它们都整理好呢？文件夹结构非常简单，例如，`/politics/`内部有很多文章，我需要为每个文章根据全局字典创建一个特征向量。我认为我使用的迭代器让我感到困惑。
这是主类：
public class BagOfWords { static Set<String> global_dict = new HashSet<String>(); static boolean global_dict_complete = false; static String path = "/home/Workbench/SUTD/ISTD_50.570/assignments/data/train"; public static void main(String[] args) throws IOException { //每个不同的类别 String[] categories = { "/atheism", "/politics", "/science", "/sports"}; //循环遍历所有类别一次以填充全局字典 for(int cycle = 0; cycle <= 3; cycle++) { String general_data_partition = path + categories[cycle]; File file = new File( general_data_partition ); Iterateur.iterateDirectory(file, global_dict, global_dict_complete); } //在全局字典填充完成后 //再次循环以填充 //每个文档的一组单词，并与 //全局字典进行比较。 for(int cycle = 0; cycle <= 3; cycle++) { if(cycle == 3) global_dict_complete = true; String general_data_partition = path + categories[cycle]; File file = new File( general_data_partition ); Iterateur.iterateDirectory(file, global_dict, global_dict_complete); } //打印数据结构 //for (String s : global_dict) //System.out.println( s ); }}这遍历数据结构：
public class Iterateur { static void iterateDirectory(File file, Set<String> global_dict, boolean global_dict_complete) throws IOException { for (File f : file.listFiles()) { if (f.isDirectory()) { iterateDirectory(file, global_dict, global_dict_complete); } else { String line; BufferedReader br = new BufferedReader(new FileReader( f )); while ((line = br.readLine()) != null) { if (global_dict_complete == false) { Dictionary.populate_dict(file, f, line, br, global_dict); } else { FeatureVecteur.generateFeatureVecteur(file, f, line, br, global_dict); } } } } }}这填充全局字典：
public class Dictionary { public static void populate_dict(File file, File f, String line, BufferedReader br, Set<String> global_dict) throws IOException { while ((line = br.readLine()) != null) { String[] words = line.split(" ");//这些是你的单词 String word; for (int i = 0; i < words.length; i++) { word = words[i]; if (!global_dict.contains(word)) { global_dict.add(word); } } } }}这是尝试填充文档特定字典的初步尝试：
public class FeatureVecteur { public static void generateFeatureVecteur(File file, File f, String line, BufferedReader br, Set<String> global_dict) throws IOException { Set<String> file_dict = new HashSet<String>(); while ((line = br.readLine()) != null) { String[] words = line.split(" ");//这些是你的单词 String word; for (int i = 0; i < words.length; i++) { word = words[i]; if (!file_dict.contains(word)) { file_dict.add(word); } } } }}回答：
如果我理解你的问题，你是想统计全局字典中每个单词在给定文件中出现的次数。我建议创建一个整数数组，其中索引代表全局字典的索引，值代表该单词在文件中出现的次数。
然后，对于全局字典中的每个单词，统计该单词在文件中出现的次数。然而，你需要小心 – 特征向量需要元素的一致排序，而HashSet并不能保证这一点。例如，在你的例子中，“I”总是需要是第一个元素。为了解决这个问题，你可能需要在全局字典完全完成后将其转换为ArrayList或其他顺序列表。
ArrayList<String> global_dict_list = ArrayList<String>( global_dict );统计可能看起来像这样
int[] wordFrequency = new int[global_dict_list.size()];for ( String globalWord : global_dict_list ){ for ( int i = 0; i < words.length; i++ ) { if ( words[i].equals(globalWord) ) { wordFrequency[i]++; } }}将这段代码嵌套在特征向量代码中逐行读取的while循环中。希望这对你有帮助！
