问题标签 [mallet]

对于我当前的项目，我必须构建一个主题建模或分类实用程序，它将处理数千篇文章以将它们分类为各种主题（开始时主题可能是 40-50）。例如，它将检查数据库技术文章并将它们分类是否文章是 NOSQL 文章/关系数据库文章/图形数据库文章（只是一个例子）。

我有非常基本的 NLP 背景，我们的团队大多有 python 后端脚本经验。我开始研究可用于实现它的各种选项，并遇到了基于 Python 的 NLTK 和 Scikit-Learn，以及基于 JVM 的 Weka 和 Mallet。
我的理解是 NLTK 更适合学习和理解各种 NLP 技术，如主题分类。

有人可以建议我们可以用于实现的最佳开源解决方案吗？如果我错过了任何有助于答案的信息，请告诉我。

我正在使用 mallet 进行文本分类任务，似乎 mallet 正在对我的文本应用一些词干算法。如何配置槌以避免使用此功能？

我目前正在做主题建模的事情（初学者）我正在考虑使用木槌作为一些工具来让我了解这个领域，但是，我的问题是，我想训练一个基于 1000 个文档的模型，构建模型并在新的单个文档上使用该模型来生成其潜在主题。

但是，据我阅读有关 mallet 教程的内容，它总是说这个工具或 API 在文本语料库中很有用，这意味着它用于在多个文档中查找主题。

有没有一种方法可以根据模型（或从 1000 个文档中学习/构建的推理参数）在单个文档上找到主题？

有没有其他工具可以做到这一点？

非常感谢！

目前我正在使用mallet，当涉及到数据导入时，我可以根据API或在线解释导入文件或导入目录，但是当涉及到infer-topics部分时，据说新文档应使用“输入管道”选项导入，以确保它们使用相同的字母表。

在命令行上很容易，但我搜索了 API，想知道可以将它们链接在一起的代码在哪里？我的意思是根据已经存在的 train-samples mallet 将新文档文件转换为 mallet 格式？

谢谢。

我正在尝试追踪据称在MALLET中实现的编辑距离算法。

我想使用此处描述的 CRF 编辑距离算法（由 Andrew McCallum 等人）。作者在 FST 类中确认了它的 Mallet：

该模型已作为 Mallet 中有限状态传感器类的一部分实现。

但是，FST 教程页面（显示 NER 标记器）或测试用例都没有任何帮助，至少我可以看到。

问题：

• 我在哪里可以找到 Mallet 中编辑距离 CRF 算法的实现？
• 我该如何使用它？

当我运行命令 bin\mallet train-topics --input input.tutorial.mallet --num-topics 40 --num-iterations 100 --optimize-interval 50 --optimize-burn-in 200 --output- state input.gz --output-topic-keys input-keys.txt --output-doc-topics input-proportion.txt

在运行命令的每个实例中，我都会得到不同的结果。

输出：

0 AJAY_DASARI 19 0.062051649928263994 39 0.03263988522238164 35 0.03263988522238164 33 0.03263988522238164 32 0.03263988522238164 23 0.03263988522238164 ............... 1 BALVINDERSINGH 21 0.06297779395704405 36 0.04805242082271569 22 0.04805242082271569 35 0.03312704768838733 32 0.03312704768838733 31 0.03312704768838733 30 0.03312704768838733 26 0.03312704768838733 24 0.03312704768838733 15 0.03312704768838733 13 ......

每次使用命令时如何得到相同的结果

我想使用槌进行主题建模，我有一个问题。我的数据在一个文件中每行一个实例。但我没有考虑任何标签或实例名称。所以每一行都以文本开头。是否需要这些标签或实例名称？

我将使用槌冷杉主题建模，我正在使用 linux。我已经安装了mallet（但不是ant）并且我的系统中有java。所以当我想对mallet使用命令时它不起作用。唯一有效的命令是：bin/mallet它给了我一个命令列表。但是如果我输入： bin/mallet import-dir --help 它给了我这个错误：

任何帮助将非常感激。

我正在查看 Mallet 源代码，似乎大多数分类器实现（例如朴素贝叶斯）并没有真正考虑到特征选择，即使InstanceList该类有一个setFeatureSelection方法。

现在我想对我的数据集进行一些涉及特征选择的快速实验。我在想，从技术捷径的角度来看，我可能会获得排名最低的特征，并将这些值在实例向量中设置为 0。这在机器学习中是否等同于分类器训练中的特征选择，从而根本不考虑它们（如果不涉及平滑，例如拉普拉斯估计）？

谢谢你

我正在用 mallet 进行主题建模。我已经导入了我的文件（一行中的每个文档），并且我用 200 个主题训练了 mallet。现在我有 200 个主题，每个主题都有与之相关的单词。现在我需要了解每个主题` s 概率。我怎么知道？谢谢