Mallet:主题N-gram

Question

我想使用--use-ngrams true选项运行mallet，但似乎无法使其正常工作。我使用以下命令导入了我的数据：

./bin/mallet import-dir --input path --output topic-input.mallet --keep-seqence -- removed stopwords

现在我想训练一个主题ngram模型：

bin/mallet train-topics --input topic-input.mallet --use-ngrams true --num-topics 30 --xml-topic-report topic-report.xml

但是我得到了这个错误：

Exception in thread "main" java.lang.ClassCastException: cc.mallet.types.FeatureSequence cannot be cast to cc.mallet.types.FeatureSequenceWithBigrams
at cc.mallet.topics.TopicalNGrams.estimate(TopicalNGrams.java:78)
at cc.mallet.topics.tui.Vectors2Topics.main(Vectors2Topics.java:249)

正如您所看到的，我将mallet作为命令行工具运行，而不是深入了解它的API以使其正常工作。有什么建议吗？

Answer 1

找到了答案：

您必须使用‘--keep-sequence-bgiram’参数导入要运行topical-ngram建模的目录(例如

./bin/mallet import-dir --input path --output topic-input.mallet --keep-sequence-bigrams --remove-stopwords

然后，按如下方式运行主题模型：

bin/mallet train-topics --input topic-input.mallet --use-ngrams true --num-topics 30 --xml-topic-report topic-report.xml