Mallet 中的模型输出文件规范

Question

关于 mallet 中的模型输出选项：

--output-model [FILENAME]
--output-state [FILENAME] 
--output-doc-topics [FILENAME] 
--output-topic-keys [FILENAME]

文本文件是否有规范（哪一列对应哪个值），超出this一般描述。

Answer 1

这2个文件的输出格式

--output-doc-topics [FILENAME] 
--output-topic-keys [FILENAME]

是一个 csv 文件（文本文件中的制表符分隔值）。阅读这两个文件中发生的事情真的很容易；有点不寻常的是，主题按强度排序，主题编号是 doc-topics 文件的必要部分。

前两个文件

--output-model [FILENAME]
--output-state [FILENAME]

是“Java 序列化数据，版本 5”（UNIX file 命令的输出）；我不知道有关详细信息的更深入的文档。

Answer 2

如果您发现有用的内容，请编辑！

--output-topic-keys第一列是主题ID号，对应每个标签最初出现在训练数据中的原始顺序。第二列是标签字符串。第三列是在我们停止的特定 Gibbs 采样状态下分配给该主题的令牌总数。最后一列是由空格分隔的 20 个单词的列表，按主题中的概率降序排列。