1

我使用 VowpalWabbit.LDA 为一些文档集合生成主题。输出文件如下所示：

Version 7.7.0

Min label:0.000000

Max label:1.000000

bits:18

0 pairs: 

0 triples: 

rank:0

lda:10

0 ngram: 

0 skip: 

options: --lda 10

0 21407.330078 1.025429 0.648226 0.917246 0.451278 0.801456 11463.415039 0.876181 1.105704 0.785956 

1 39210.687500 0.814911 0.389153 0.473620 0.391765 0.688513 0.708061 0.526936 0.719026 0.659338 

2 41573.523438 1.161345 0.583391 0.918144 0.318337 0.543920 0.704812 0.987455 0.633980 0.890918 

3 2.759077 1.114242 0.662993 1.113668 0.632519 0.707388 26730.898438 1.074518 0.974116 0.909262 

4 1.476383 1.263869 0.552380 0.838780 0.500615 0.529077 24156.128906 0.689529 1.400310 0.530180 

5 1.083310 0.746087 0.539263 1.152820 0.496213 0.726304 17391.972656 0.809698 1.682978 0.925061 

6 4.601943 1.551102 0.541617 1.532858 0.418091 1.432069 10.024081 1.992290 12924.787109 1.202141

我应该看到每个单词的标识符以及它属于每个主题的概率。但我看到了一些巨大的数字，比如 21407.330078。有人知道如何将此输出格式转换为我想看到的格式吗？

4

2 回答 2

2

您似乎正在查看预测输出文件。它包含“推断的每个文档主题权重”，格式如下：“每一行对应一个文档 d。每列对应一个主题 k”。

如果您需要有关单词的信息，您应该在命令行中添加“--readable_model topics.dat”参数。这将为您提供具有以下内容的人类可读格式的主题：“每一行对应一个主题 k。每列对应一个单词 w”请参阅https://github.com/JohnLangford/vowpal_wabbit/wiki/lda .pdf

于 2014-10-10T20:54:36.097 回答
0

如果您使用 -a （审计）运行 vw，您可以看到从单词到哈希值的映射。我假设您需要对模型输出中的每一行进行规范化，然后找到每个主题的热门词。

于 2015-05-11T23:59:48.760 回答