如何将下面的文本转换为序列文件，该文件又将转换为 mahout kmeans 的矢量？

Question

大家下午好，

我的数据格式如下：

ID : VALUE（用户分配的标签）

0001：“PC、THINKPAD、T500”

0002：“电话、手机、IPHONE、苹果、IPHONE5”

.......等等。

如何编写代码：

1) 首先，将它们转换成key:value格式的序列文件。

2) 那么，将上面的序列文件转换为将用于kmeans聚类的向量吗？

我正在检查 SequenceFileFromdDirectory 和 SparseVectorFromSequenceFiles，但现在这些似乎有点复杂，而且有点难以阅读。

那么，我想知道这里是否有人可以给我一个简单的示例代码，说明如何进行上述两种转换？

非常感谢！

Answer 1

这 2 个进程完全按照您的意愿执行，现在只需使输出可读，而不是序列文件，您可以使用 seqdumper 功能。

如果您需要更清晰的图片，请查看here，非常好的介绍。