1

我在网上为此做了很多搜索，但我什么也没找到，尽管我觉得它必须有点普遍。我过去曾使用 Mahout 的 seqdirectory 命令来转换包含文本文件的文件夹（每个文件都是一个单独的文档）。但是在这种情况下，文档太多（100,000 多个），以至于我有一个非常大的文本文件，其中每一行都是一个文档。如何将这个大文件转换为 SequenceFile 格式，以便 Mahout 理解每一行都应该被视为一个单独的文档？非常感谢您的帮助。

4

1 回答 1

1

是的，如何做到这一点并不是很明显或很直观，尽管（你很幸运：P）我已经在堆栈中多次回答了这个确切的问题，例如这里。看一看 ;）

于 2012-10-31T09:20:01.437 回答