#詞頻統計以及SVM訓練的目錄 
statsourcedir = tt
#詞頻詞典
dictionary.propdic = dictionary/sdic.txt
#SVM模型使用的特征詞詞典
featurefile = feature/feature.txt
#統計了詞頻后的結果輸出目錄
statoutputdir = result
#倒排文檔頻度保存的目錄
dfdir = result/worddf
#詞頻保存的目錄
tfdir = result/wordtf
#MI計算詞的值結果保存目錄
MIoutputdir = result/MI
#chi統計計算詞的結果保存目錄
CHIoutputdir = result/CHI
#IG計算詞的結果保存目錄
IGoutputdir = result/IG
#選取特征詞的目錄
#訓練好的SVM模型存放位置
SVM.model.dir = svmmodel
#DAGSVM多分類要保存的類名-類編號
SVM.model.catenamefile = svmmodel/index.txt
SVM.model.C = 1.9
# 0表示線性分類 ，1表示多項式核 ,2 表示RBF
SVM.model.kerneltype = 0
# 從每個類中選取的詞個數
model.wordNumOneCate = 150
# 總的向量維數 每個類選取的詞個數*類的個數
SVM.model.dimension = 300
SVM.model.kernelpara.gama = 0.00001
SVM.model.kernelpara.r = 0
SVM.model.kernelpara.d = 0
# ME訓練使用的參數，
ME.Newton.TONERANCE = 0.0000001
ME.Newton.MAX_ITERS = 50
#me模型測試訓練統計的文件目錄
ME.testdir = tt
#me模型的特征詞詞典
MEfeaturefile = feature/MEfeature.txt
#me模型使用的特征詞數目
ME.feature.num = 300
#訓練的ME模型的參數文件
mefeaturevalue = feature/mefeaturevalue.txt
#是否使用高斯先驗 0,1
ME.usingprior = 0
#高斯先驗的參數值 mu為0
ME.GaussPrior.sita = 10
#ME模型的特征函數值，ME.feature.type為0表示用1表示值，1表示用詞頻 2表示其他
ME.feature.type = 1
#ME模型參數中的lamta值單獨保存
ME.lamta = feature/lamta.txt