как мога да използвам weka за извличане на терминология?

Можете поне отчасти, доколкото имате подходящ набор от данни. Например, нека приемем, че имате набор от данни като този:

@relation test

@attribute text String
@attribute politics {yes,no}
@attribute religion {yes,no}

@data
"this is a text about politics",yes,no
"this text is about religion",no,yes
"this text mixes everything",yes,yes

Например, за да получите условия за политика, можете:

1. Премахнете атрибута религия.
2. Приложете филтъра StringToWordVector към текстовия атрибут, за да получите термини.
3. Приложете филтъра AttributeSelection с Ranker и InfoGainAttributeEval, за да получите най-високо класираните термини.

Тази последна стъпка ще ви даде списък с термини, които са най-предсказуеми за категорията политика. Повечето от тях ще бъдат термини в домейна на политиката (въпреки че е възможно някои термини да са предсказуеми, но само защото не са в домейна на политиката - тоест предоставят отрицателни доказателства).

Качеството на условията, които получавате, зависи от набора от данни. Колкото повече теми разглежда, толкова по-добре за вашите резултати; така че вместо да има два класа (политика, религия, както в моя набор от данни), е много по-добре да има много от тях и много примери за всяка категория.