如何使用apache mahout实现LDA？

Question

有一个CSV格式的数据集，如下所示。

FileName,Topic,Tag,Frequency
File-1,Topic -1,Tag-1,10
File-2,Topic -2,Tag-2,10
File-3,Topic -3,Tag-2,10
File-4,Topic -4,Tag-4,10
File-5,Topic -1,Tag-5,10
File-6,Topic -3,Tag-1,10
File-7,Topic -1,Tag-1,10 

我需要使用mahout LDA(隐狄利克雷分配)算法找到标签之间的相关性。谁能帮助我找到如何使用Apache Mahout来做这件事。

我也不明白mahout到底想要什么样的输入格式？

如果有人能为mahout初学者分享一些好东西，那将是很有帮助的。

Answer 1

我可能会晚一点回答。但是，Mahout不再支持版本高于0.6的LDA。必须使用Cvb而不是lda来完成运行主题模型的任务。

以下链接可为您提供帮助：

https://mahout.apache.org/users/clustering/lda-commandline.html https://mahout.apache.org/users/clustering/latent-dirichlet-allocation.html