数据挖掘中，如何处理多值的属性？
在DBLP数据集中查找最常合著的作者。因为一篇论文中有多个作者(最多可能有上百个)，而整个数据集中可能有上万个作者。
现在只需提取每条记录中的作者信息，但很多文章都是多个作者，该怎么把这些作者处理成weka能够识别的arff格式中的数据呢？
如果将其定义为String类型，使用逗号来分隔，weka会报错(因为我只需作者这一个属性)，而同一个属性的值中不能出现逗号。若使用别的符号来分隔(如“--”或“*”)，weka也不能自动识别这些符号，会把多个作者当成一个属性值来处理。
该怎么处理成合理的格式呢？谢谢大家指教
不能按标称属性来处理
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
为何要用weka来解决一个统计问题？
你把数据处理一下，一条sql就可以解决了。一个表，两个字段（论文 作者）