第一步，你要有中文的資料集；第二步，資料集要準備成weka能處理的結構，這很好做到，你把資料集壓縮了就行了，因為它要求的格式是，一個類別的檔案放一個資料夾下。但是還有一個問題，你的機器往往沒那麼多記憶體去處理這個資料集，那麼你可以選幾個類別出來，在每個類別中放幾十個文件來做就可以了。第三步，分詞。第四步，使用weka wiki中的例子將資料集轉換成arff格式。weka是一種機器學習演算法的集合，它可以用於分類，預測等。由於weka支援的資料格式是arff或csv的格式，因此在進行weka實驗的時候必須進行資料的預處理。一般，我們可以在EXCEL裡面匯入TXT，然後另存為.CSV格式的檔案（這個格式WEKA也是可以識別的），然後開啟WEKA，–》TOOL–》 arffviewer中開啟剛才的.CSV檔案，另存為.arff就OK了！

你需要在檔案的開頭按照arff格式加上資料的屬性 比如

@RELATION iris

@ATTRIBUTE sepallength REAL

@ATTRIBUTE sepalwidth REAL

@ATTRIBUTE petallength REAL

@ATTRIBUTE petalwidth REAL

@ATTRIBUTE class {Iris-setosa,Iris-versicolor,Iris-virginica}

@DATA

5.1,3.5,1.4,0.2,Iris-setosa

然後直接修改後綴為arff格式就可以了