我们正在对15000条推文进行多项式朴素贝叶斯分类。我们首先使用Weka的StringToWordVector函数将每条推文分解成词特征向量。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。我们用另外5000条推文重复这个过程，并使用从训练集中得出的相同模型重新评估测试集。

我们希望能够输出Weka在测试集中分类的每句话及其分类结果…我们可以看到算法的性能和准确性的总体信息（精确度、召回率、F分数），但是我们无法看到Weka根据我们的分类器所分类的各个句子…有没有什么方法可以做到这一点？

另一个问题是，最终我们的教授会给我们另外20000条推文，并期望我们对这份新文档进行分类。然而，我们不确定如何做到这一点，因为：

我们一直处理的数据都是手动分类的，包括训练集和测试集...然而，我们将从教授那里得到的数据将是未分类的...如果Weka要求属性信息必须与用于形成模型和我们正在评估的测试集相同，我们如何在未分类的数据上重新评估我们的模型？

感谢任何帮助！

回答：

完成这些任务的最简单方法是使用FilteredClassifier。这种分类器集成了一个Filter和一个Classifier，因此你可以将一个StringToWordVector过滤器与你喜欢的分类器（J48、NaiveBayes等）连接起来，你将始终保持原始的训练集（未处理的文本），并使用StringToWordVector过滤器得出的词汇表对新的推文（未处理）应用分类器。

你可以在“Weka文本挖掘的命令行功能”中看到如何在命令行中做到这一点，以及在“使用Weka在Java中实现一个简单的文本分类器”中通过程序实现。