mahout分类文本输入向量化

Question

我正在尝试用mahout构建一个分类器。在模型构建之后。我必须将目标文档“输入”到模型中，并获得分类结果。

我检查了mahout源代码中的测试用例，它使用了DenseVector，它有固定数量的字段。但是，我使用mahout对文本文档进行分类，输入的是一些字符串(或包含字符串的数组)。如何将其转换为有效的Vector实例。

我尝试了StaticWordEncoder和RandomAccessSparseVector，但结果不正确。找不到原因。有点绝望。

Answer 1

您必须将文档解析为单词，并从这些单词中填充向量。

我建议在尝试之前先阅读像Mahout In Action这样的内容，以获得更多的背景知识。