1回答
我从字符串列表中创建了一个由令牌特征序列组成的实例列表。通过命令行，我可以根据计数、tf-idf等来修剪这些数据()。但是如果我想用Java来做呢？我必须如何扩展我的代码？我的目标是删除LDA主题建模中最常见的单词。SerialPipes(pipes));
return instanceList;提前感谢您的帮助
浏览 7提问于2018-03-04得票数 1
回答已采纳
当我在我的大约1600万个文档的完整语料库上运行Gensim LDAMallet模型时，我得到了一个CalledProcessError“非零退出状态1”错误。足够有趣的是，如果我在大约160,000个文档的测试语料库上运行完全相同的代码，代码运行得非常好。因为它在我的小语料库上工作得很好，我倾向于认为代码是好的，但我不确定还有什么会/可能导致这个错误…… 我试着按照建议的here编辑mallet.bat文件，但是没有用。&
浏览 37提问于2019-04-03得票数 1
1回答
我正在使用Mallet进行主题建模。我输入的文本中有大量的单词，包括字母和数字；例如，A54、D892。我刚刚注意到，Mallet会自动删除数字，只保留单词中的字母。
浏览 1提问于2014-11-07得票数 0
4回答
关于lda推断
、、
现在，我正在使用MALLET包中的LDA主题建模工具对我的文档进行一些主题检测。最初一切都很好，我从中得到了20个主题。然而，当我尝试使用该模型推断新文档时，结果有点令人费解。例如，我故意在手动创建的文档上运行我的模型，该文档只包含"FLU“主题之一的关键字，但我得到的每个主题的主题分布小于0.1。然后，我在一个已经采样的文档上尝试了相同的方法，其中一个主题的得分很高，为0.7。同样<em
浏览 2提问于2010-12-07得票数 4
我有一组非正式的文档(几千个)，我想对它们应用主题建模(MALLET)。问题是，文档中有相当数量的拼写错误的单词。大多数都是故意的，比如缩写和当地的行话，比如‘’juz‘->’'just'，'alr‘->’->‘。由于不同作者独特的写作风格，存在着一些这样的变体。在将它们提供给MALLET之后，我有点困扰，因为生成的其中一个主题实际上是一组拼写错误<e
浏览 6提问于2010-11-25得票数 1
回答已采纳
1回答
并获得如下结果：主题2: word4 word1 word2 word5但是，在相同的lda上使用mallet不会在主题之间产生重复的单词。我有大约20个文档，每个文档>1000个单词，我在这些文档上训练lda。如何摆脱出现在多个主题中的单词？
浏览 5提问于2018-02-08得票数 0
1回答
虽然我在使用MALLET进行主题建模时添加了额外的停止词列表和默认的停止词列表，但是在主题模型中出现了一些停止词。例如"ın“、"ıf”、"ıt“。如何确保主题模型中不会出现这种停顿语？0 5ııt时光厅门房人们眼睛东西夜女人白天让女孩面对妈妈的声音车回家2.5次工作场所水长，使切割ın方大顶房侧建机，建筑粘土片设计7 5ın数制数据表面温度高低体积信息材料压力进给小结果显示方法
8.5世界生命教会战争时期伟大
浏览 3提问于2014-12-24得票数 3
回答已采纳
2回答
我正在使用mallet中的LDA来探索我的数据。我对跑步没有任何问题，只是我需要有排名靠前的单词的概率(假设20个单词)bin\mallet train-topics --input tutorial.mallet --num-topicsoutput-topic-keys tutorial_keys_doc_40t.txt --output-doc-topics tutorial_composition_do
浏览 9提问于2017-02-07得票数 1
回答已采纳
1回答
在艺术史领域，我刚接触过Mallet和主题造型。我正在使用Mallet2.0.8和命令行(我还不知道Java)。在训练模型之前，我想删除最常见和最不常见的单词(在整个语料库中删除10次，如D.Mimno所建议的)，因为结果并不干净(即使是在斯多普林医生那里)，这并不令人惊讶。
浏览 4提问于2018-01-05得票数 2
1回答
每只熊猫数据行的单词频率
、、、
我试图弄清楚如何在每个数据行中获得最频繁的单词--让我们说出前10位最频繁的单词。我的代码为整个DF提供了最常用的单词，但现在我需要更细粒度。temp/comments.csv',encoding='latin-1',names=['client','comments'])
现在，我可以在整个df1中得到
浏览 0提问于2018-04-21得票数 4
回答已采纳
1回答
我想截断语料库中的所有标记，使其最大长度为5个字符。有没有办法在MALLET中设置--token-regex导入选项来实现这一点？我目前用来导入文档的代码是：
mallet-2.0.7/bin/mallet import-dir --input mallet-2.0.7/data/journals/ --output mallet-2.0.7/tmp/topic-input-journals.
浏览 1提问于2014-09-11得票数 1
1回答
基于MALLET的文本分类
、、、、
我刚开始使用Mallet。我通常使用WEKA进行分类，现在我尝试使用Mallet进行文本分类。在Weka中，有一些属性(例如单词长度或前n个单词的出现次数)是我们自己选择并生成.arff文件的。我已经读过关于中的Mallet的输入格式，但我仍然感到困惑。如何在输入格式中分配属性？我们如何判断这个文档属于某个类呢？例如，一个文档属于"sports“类？
任何输入格式文件的例子将是非常感谢。
浏览 2提问于2015-07-12得票数 1
2回答
我需要应用主题建模来找到相似的文档，然后分析这些相似的文档，找出它们之间的不同之处。问:有谁能给我建议一个主题模型包，我可以通过它来实现这一点吗？我正在探索Mallet和Gensim Python。不知道哪一个最适合我的要求。
任何帮助都将不胜感激。
浏览 4提问于2014-05-05得票数 0
回答已采纳
我刚进入情感analysis.In文本预处理阶段，我遇到了一个从twits中删除频繁单词的问题。我想把最频繁的词从twits中去掉，所以我已经把最常用的词都用了。.join(traindata['tweet']).split()).value_counts()[:10]freq=list(freq.index)通过删除常用的</
浏览 0提问于2018-10-26得票数 1
回答已采纳
1回答
如果我在中运行cmd中没有空格的路径，这是可以的。Mallet导入-dir--输入E:\Mallet\mallet-2.0.8RC3\sample-data\web\en -输出E:\Mallet\topicout\weben.mallet -保持顺序-删除-停止词
上面没问题。我将\n下面的文件复制到路径包含空格的另一个文件夹中。我在下面使用引号，但不起作用。Cmd提示错误数据\eco。您能帮我处理这个命令路径中的
浏览 2提问于2019-03-09得票数 1
回答已采纳
2回答
标签预测的特征空间约简
、、、、
完成的工作
Pre-processing:标记删除，停止字删除，特殊字符删除和一些比特和碎片。存储到MySQL中。这几乎将测试数据的大小减半。这就产生了大约100万个独特的单位和2000万个独特的比格，每一个都有一个相应的标签频率列表。例如。注：这里有两个问题：( a)不是所有的单数和符号都很重要；( b)并非所有与ngram相关的标记都很重要，尽管这并不意味着频率1的标记都是等价的，或者可以随
浏览 3提问于2015-01-31得票数 6
我对Python中的子进程包很陌生。我试图使用该包中的call()方法向终端发送以下命令：
import os
class Mallet(object):C:\\<e
浏览 2提问于2013-06-25得票数 0
回答已采纳
1回答
我希望使用Mallet根据我定义的主题对不同的文档进行分类。我知道Mallet将首先确定主题，然后对文档进行分类，但我想跳过第一步，因为我已经有了一个主题列表，其中包含与它们相关联的单词。有没有办法使用我创建的预定义主题列表来使用Mallet对文档进行分类？
任何指导都是值得感谢的。谢谢!
浏览 0提问于2014-10-18得票数 1
1回答
我对mallet比较陌生，需要知道：- mallet产生的每个主题中的单词是否以某种方式排序？-如果是，排序是什么(即)主题列表中的第一个在语料库中的分布是最高的吗？
谢谢!
浏览 1提问于2014-06-23得票数 1
我想知道是否有可能在Mallet中通过n-gram大小在1和2之间对单词进行标记？这是我到目前为止使用的代码：bin\mallet train-topics --input sample.txt --num-topics 20 --optimize-interval
浏览 13提问于2021-09-22得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
