我有一个 CSV 文件，我想将它转换为一个 SequenceFile，我最终将使用它来创建 NamedVectors 以在集群作业中使用。我一直在使用 seqdirectory 命令尝试创建一个 SequenceFile，然后使用 -nv 选项将该输出输入到 seq2sparse 中以创建 NamedVectors。看起来这是给一个大向量作为输出，但我最终希望我的 CSV 的每一行都成为一个 NamedVector。我哪里错了？
问问题
7561 次
1 回答
2
seqdirectory命令将每个文件作为一个文档，因此实际上，您只有一个文档，因此您只能得到一个向量。为了使其正常工作，您可以将 CSV 文件的每一行都设为文件本身，其中文档的键是文件的名称，值是文件的内容。尽管如此，如果您的语料库很大，这是非常不切实际的，因为磁盘读取和写入可能会变得非常缓慢。
在实践中，您最好关注我在此评论中分享的链接
于 2012-08-17T07:08:30.583 回答