2

我正在尝试按照 Mahout In Action 书中的说明在路透社数据上使用 LDA 的示例。但是，无论我运行多少次，我总是只得到一个主题。

我按照指示运行了命令：

mahout lda -i reuters-vectors/tf-vectors -o reuters-lda-sparse -k 10 -v 34262 -x 20 -ow

我从运行 seqdumper 中得到了这个号码。命令运行后，我按照书中的说明运行 LDAPrintTopics 并获得以下信息：

Topic 0
===========
billion [p(billion|topic_0) = 0.04580929884162013
pct [p(pct|topic_0) = 0.043323700764985575
dlrs [p(dlrs|topic_0) = 0.031395871939373196
3 [p(3|topic_0) = 0.027311386657272094
1987 [p(1987|topic_0) = 0.025690077982656934
1 [p(1|topic_0) = 0.022727304049111215
reuter [p(reuter|topic_0) = 0.019572283708227903
mln [p(mln|topic_0) = 0.014569551610736616
april [p(april|topic_0) = 0.014453636611524965
march [p(march|topic_0) = 0.014359948846622552

有没有办法从 LDA 中获得更多主题？

谢谢。

4

1 回答 1

1

您的命令说 -k 10 指定需要有 10 个主题。

看到这个https://cwiki.apache.org/MAHOUT/latent-dirichlet-allocation.html

尝试更改您的数据集，可能它太小而无法生成 10 个不同的主题

于 2012-07-02T10:05:20.750 回答