作为java的一个库来使用wvtool

该WVTool可作为一个独立的Java库或RapidMiner环境的一个插件来使用。在这里，我们将主要讨论WVTool作为一个java库来使用是如何实现的。
1.1 安装
作为Java库使用WVTool，首先从SourceForge上WVTool/ homepage1上下载wvtool包 ，解压缩档案，并把wvtool.jar文件和所有的jar文件放置到lib子目录中。
要使WVTool能应用起来，需要处理两种基本步骤：
1.         从给定的一组文本文件来创建一个词表（定义向量空间的维度）；
2.         基于创建的词表创建向量空间。词表中包含的所有词条连同一些统计数字（例如，在有多少文件，词条）都被用来矢量化 。矢量化的词表中的词条用来决定向量空间的维度和权值。
以上两个步骤需要两个基本输入参数。首先，输入样本文件清单，告诉系统处理哪些文本文件；第二，配置对象，它告诉系统各个步骤所使用的处理方法。
1.2 定义Input
Input列表告诉WVTool哪些学习文本文件应该处理。列表中每项包含以下信息：
 
l       URI的文本资源。目前，这可以是本地文件/目录或网址
如果是本地目录文件，在此目录中的所有文件都被处理（包含子目录） 。作为WVTool的扩展，其他类型的URI也可以处理的很好，只要用户提供了一个方法来处理它们（见2.3 ）
l         文本的语言类型（可选）
l         文件类型（可选）
文件类型分为文本文件（txt）、pdf文件（pdf）、网页文件（htm/html）和xml文件（xml）
l         解析文本的字符集比如UTF-8（可选）
l         对象位置序号（可选）
文本将被处理成为对象，如主题。这种信息通常是用于文本自动分类，但也可以用来作为和词条关联做他用。这个对象序号范围从0到M - 1 ，其中m是对象数目
 
在下面的例子中，Input列表通过调用addEntry创建了三个对象，三个对象是建立两个指向文件的本地文件系统和一个指向一个网页。
//创建三个对象，初始化Input列表
WVTFileInputList list = new WVTFileInputList(3);
//添加对象
list.addEntry( new WVTDocumentInfo("data/alt.atheism","txt",English,0));
list.addEntry( new WVTDocumentInfo("data/soc.rel