mahoutでcvbを実行する0.8

Question

現在のMahout 0.8-SNAPSHOTには、トピックモデリング用の折りたたみ変分ベイズ（cvb）バージョンが含まれており、cvbを並列化してより効果的に行うことができるため、Latent Dirichlet Analysis（lda）残念ながら、例を実行して意味のある出力を生成する方法については、ldaのドキュメントしかありません。

このように、私がしたい：一部のテキストが正しく

はCVB

のcvb0_localバージョンを実行

• 前処理は、生成されたトピック
のそれぞれにおける上位n言葉を見て、結果を検査

Answer 1

これは、それを行うためにLinuxシェルで呼び出さなければならない後続のMahoutコマンドです。 $ MAHOUT_HOMEは私のmahout/binフォルダを指しています。

$MAHOUT_HOME/mahout seqdirectory \ 
    -i path/to/directory/with/texts \ 
    -o out/sequenced 

$MAHOUT_HOME/mahout seq2sparse -i out/sequenced \ 
    -o out/sparseVectors \ 
    --namedVector \ 
    -wt tf 

$MAHOUT_HOME/mahout rowid \ 
    -i out/sparseVectors/tf-vectors/ \ 
    -o out/matrix 

$MAHOUT_HOME/mahout cvb0_local \ 
    -i out/matrix/matrix \ 
    -d out/sparseVectors/dictionary.file-0 \ 
    -a 0.5 \ 
    -top 4 -do out/cvb/do_out \ 
    -to out/cvb/to_out 

各トピックの上部10ワード示すことによって、出力を検査：詳細コマンドのJoKnoppに

$MAHOUT_HOME/mahout vectordump \ 
    -i out/cvb/to_out \ 
    --dictionary out/sparseVectors/dictionary.file-0 \ 
    --dictionaryType sequencefile \ 
    --vectorSize 10 \ 
    -sort out/cvb/to_out 

Answer 2

ありがとう。

あなたが取得する場合：スレッド内 例外は、「メイン」とjava.lang.ClassCastException：java.lang.Integerのはjava.lang.Stringで

にキャストすることはできませんあなたは、コマンドラインオプションを追加する必要がある「maxIterations」 ： --maxIterations（-m）maxIterations

私は20を-m使用して、それが

はを参照して動作します： https://issues.apache.org/jira/browse/MAHOUT-1141