如何获取新文档的主题向量并与Mallet中预定义的主题模型进行比较？

Question

我试图以某种方式使用MALLET将唯一文档的主题分布（使用LDA）与之前创建的主题模型中的其他文件及其主题分布进行比较。

我知道这可以通过终端中的MALLET命令来完成，但是我在找到一种在Java中实现它的方法时遇到了问题。

要详细说明我的程序的功能：

已经创建的主题模型是使用大量文本创建的。我想使用它来比较主题分布与包含特定主题标签的推文，然后从语料库中提取与推文最相似的文件。

我已经阅读了Mallet的Java API文档，但它们看起来很混乱，并没有真正解释。

如果有人能给我一些提示，我会很感激

Answer 1

首先，看看这些：

• Developer's guide
• Tutorial slides after slide 97
• 源目录中的代码示例：src / cc / mallet / examples

现在，这些示例显示了基本功能，但如果您需要将培训与测试分开，则不会显示如何保存和加载模型。基本上您需要的是在训练之后保存模型和实例（因为您需要使用相同的管道进行训练和测试），并在测试之前加载它们。

培训后保存模型和管道：

model.write(new File("model.dat"));
instances.save(new File("pipeline.dat"));

测试前加载模型和管道：

ParallelTopicModel model = ParallelTopicModel.read(new File("model.dat"));
InstanceList instances = InstanceList.load(new File("pipeline.dat"));

希望这有帮助。