要使用weka進行聚類分析，必須先將文字資料轉換成weka可識別的arff格式。Instances類是weka可識別的資料類，其toString方法即可轉換為arff格式的資料。在文字聚類中，arff格式的示例如下：

@relation patent

@attribute text string

@data
'第一篇文章的內容'

'第二篇文章的內容'

......

經過摸索，主要有三種方式將文字轉換成Instances類。

    （1）連線資料庫。weka對資料庫連線的支援很差，需要將weka的jar解壓，再修改裡面的引數重新打包才可以正常使用。修改引數的示例百度上有許多，現在送上一個連結，是

    （2）呼叫TextDirectoryLoader。此類是weka自帶的Loader，能夠讀取一個資料夾下的文字，並轉換成arff格式。其呼叫非常簡單，但是有幾個需要注意的點。首先是文字的擺放格式，一篇文字用一個檔案儲存，但是主資料夾下不能直接放置文字檔案，需要建立不同的資料夾放置不同種類的文字檔案。舉個例子，如在“d:\\text"目錄下，應該建立多個子資料夾，如“class1”,"class2"，在兩個子資料夾下再放置文字檔案。本次使用主題是用weka進行文字聚類，因此，文字只需要放置在一個資料夾下就可以了。以剛才的例子為示例，下面是TextDirectoryLoader的使用程式碼。

 TextDirectoryLoader loader = new TextDirectoryLoader();

   loader.setDirectory(new File(“d:\\text”));

    Instances dataRaw = loader.getDataSet();

   dataRaw.setClassIndex(-1);

這個Instances即是我們需要的weka格式的檔案。通過 TextDirectoryLoader匯入的Instances是帶有分類這個屬性的，而k-means聚類演算法不允許Instances帶有分類，因此需要該分類設定為-1,才能被k-means演算法處理。

     （3）直接構造Instances。這種方法來源於對TextDirectoryLoader原始碼的分析，它既然能讀取資料夾轉換成arff，其內部必然有直接構造Instances的方法，通過檢視，其使用如下：

public Instances getStruct(List<String> list) {
        FastVector atts = new FastVector();
        atts.addElement(new Attribute("text", (FastVector) null));
        Instances data = new Instances("patent", atts, 0);
    
        for (String str: list) {
            double[] newInst = new double[1];
            //這裡為了更加清晰，省略了對文字進行分詞的程式碼，
            newInst[0] = (double) data.attribute(0).addStringValue(str);
            data.add(new Instance(1.0, newInst));
        }
        
        return data;
    }

上面的程式碼是將需要分類的文字放在list中，每個String物件代表一篇文字，為了使結構清晰，省略了對文字進行分詞的步驟，在實際中，文字分詞應該在這裡進行。下面也提供一個對文字分詞後，再轉換成arff的程式碼。

public Instances getStruct(List<Agriculture> agList) {
        FastVector atts = new FastVector();
        atts.addElement(new Attribute("text", (FastVector) null));
        Instances data = new Instances("patent", atts, 0);

       FilterRecognition stopFilter = null;
        try {

//初始化filterRecognition，用於過濾掉停用詞，是ansj的工具類

            stopFilter = InitStopWords();
        } catch (Exception e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
        for (Agriculture ag : agList) {
            System.out.println(ag.getContent());
            double[] newInst = new double[1]; // 不算分類屬性

            String content = ToAnalysis.parse(ag.getContent())
                    .recognition(stopFilter).toStringWithOutNature(" ");
            System.out.println("分詞結果：" + content);
            newInst[0] = (double) data.attribute(0).addStringValue(content);
            data.add(new Instance(1.0, newInst));
        }
        return data;
    }

//構造停用詞工具

public FilterRecognition InitStopWords() throws Exception {
        ArrayList<String> stopList = new ArrayList<String>();
        String stopWordTable = "src/stopwords.txt";
        // 讀入停用詞檔案
        BufferedReader StopWordFileBr = new BufferedReader(
                new InputStreamReader(new FileInputStream(stopWordTable),
                        "UTF-8"));

        String stopWord = null;
        for (; (stopWord = StopWordFileBr.readLine()) != null;) {
            stopList.add(stopWord);
        }
        StopWordFileBr.close();

        FilterRecognition filterRecognition = new FilterRecognition();
        filterRecognition.insertStopWords(stopList);

        return filterRecognition;
    }

  以上就是將文字轉換成arff格式的方法，能夠完成到這裡，即已經進入了使用weka的入口，邁向成功的一大步。