df算法特征提取

df算法，通过在训练集中提取词语，比较出现次数，进行特征词的提取。 这个代码是提取两个特征的特征词，可修改main函数中（直接删除一部分）（有详细注释），提取一个类的特征。此程序编译过，无错。

package df;

import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.InputStreamReader;
import java.io.OutputStreamWriter;
import java.nio.CharBuffer;

public class dfb {
	

	public static void main（String[] args） {
		String[] temp = new String[1024];//所有词语存的数组
		int [] w ; //用来记录每个词的权重
		int k=100; //取权重最高的前K个feature
		String termWeighFile=“termWeigh.txt“;  //用于保存全部《特征 ，权重》对
		String topFeatureFile=“Feature.txt“;  //保存前k个《特征 ，权重》对
		String termnonum=“Featrueno.txt“;//保存《特征》
		String dirName=“D:\\2013fall\\数字内容安全实验\\3\\训练集\\汽车\\“;  //存放所有语料集的目录地址，如C：//
		//初始化w
	    w=new int[1024];
		
	    //把语料集全部列出来
		File dir = new File（dirName）;  
		File[] files = dir.listFiles（）; 
		//总结所有词汇
		remwords（fileswtemp）;
		//删除干扰词
		for（int a=0;a			if（IsStopWord（temp[a]））{
				delet（ tempa w）;
				
			}
		}

		//输出《特征，权重》对
		try {
			FileOutputStream fos = new FileOutputStream（termWeighFile）;
			OutputStreamWriter osw = new OutputStreamWriter（fos）;
			BufferedWriter bw = new BufferedWriter（osw）;
			for（int i=0;i				bw.write（temp[i]+“  “）;
				bw.write（String.valueOf（w[i]））;
				bw.newLine（）;
			}
			bw.close（）;
			osw.close（）;
			fos.close（）;
		} catch （Exception e） {
			System.out.println（e.getMessage（））;
		} 

		//选出特征词
		top_feature（tempw）;
		//输出权重在前面的特征及权重
		try {
			FileOutputStream fos = new FileOutputStream（topFeatureFile）;
			OutputStreamWriter osw = new OutputStreamWriter（fos）;
			BufferedWriter bw = new BufferedWriter（osw）;
			for（int i=0;i				bw.write（temp[i]+“  “）;
				bw.write（String.valueOf（w[i]））;
				bw.newLine（）;
			}
			bw.close（）;
			osw.close（）;
			fos.close（）;
		} catch （Exception e） {
			System.out.println（e.getMessage（））;
		} 
		try {
			FileOutputStream fos = new FileOutputStream（termnonum）;
			OutputStreamWriter osw = new OutputStreamWriter（fos）;
			BufferedWriter bw = new BufferedWriter（osw）;
			for（int i=0;i				bw.write（temp[i]）;
				bw.newLine（）;
			}
			bw.close（）;
			osw.close（）;
			fos.close（）;
		} catch （Exception e） {
			System.out.println（e.getMessage（））;
		} 
		
		 String[] temp2 = new String[1024];//所有词语存的数组
		int [] w2 ; //用来记录每个词的权重
		int k2=100; //取权重最高的前K个feature
		String termWeighFile2=“termWeigh2.txt“;  //用于保存全部《特征 ，权重》对
		String topFeatureFile2=“Feature2.txt“;  //保存前k个《特征 ，权重》对
		String termnonum2=“Featrueno2.txt“;//保存《特征》
		String dirName2=“D:\\2013fall\\数字内容安全实验\\3\\训练集\\军事\\“;  //存放所有语料集的目录地址，如C：//
		//初始化w
	    w2=new int[1024];
		
	    //把语料集全部列出来
		File dir2 = new File（dirName2）;  
		File[] files2 = dir2.listFiles（）; 
		//总结所有词汇
		remwords（files2w2temp2）;
		//删除干扰词
		for（int a=0;a			if（IsStopWord（temp2[a]））{
				delet（ temp2a w2）;
				
			}
		}

		//输出《特征，权重》对
		try {
			File

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2013-11-24 22:12  df\
     文件         301  2013-11-20 17:22  df\.classpath
     文件         378  2013-11-20 17:22  df\.project
     目录           0  2013-11-20 17:22  df\.settings\
     文件         598  2013-11-20 17:22  df\.settings\org.eclipse.jdt.core.prefs
     目录           0  2013-11-20 17:22  df\bin\
     目录           0  2013-11-24 22:19  df\bin\df\
     文件        8126  2013-11-24 22:17  df\bin\df\dfb.class
     文件         501  2013-11-24 22:17  df\Featrueno.txt
     文件         659  2013-11-24 22:17  df\Featrueno2.txt
     文件        1034  2013-11-24 22:17  df\Feature.txt
     文件        1192  2013-11-24 22:17  df\Feature2.txt
     目录           0  2013-11-20 17:22  df\src\
     目录           0  2013-11-21 18:21  df\src\df\
     文件        7605  2013-11-24 22:17  df\src\df\dfb.java
     文件       10143  2013-11-24 22:17  df\termWeigh.txt
     文件       11368  2013-11-24 22:17  df\termWeigh2.txt