確定Mahout LDA輸出上的文檔ID

Question

我已成功運行mahout lda，並使用命令mahout ldatopics顯示輸出。

例如我的主題是科學和運動。那麼輸出將是這樣的： 話題0 籃球， 播放， 棒球 話題1個 研究， 研究， 理念現在

我的問題是我怎麼能，識別個人物品的團體或集羣。 是否有ID號或某種跟蹤，以便我添加的每個新文章都將被分組或添加到特定的羣集/主題。

如果我已經有了集羣，下一步是什麼？

感謝

Answer 1

我一直在尋找通過源代碼，我不能找到一個矩陣THETA提及任何計算給定的文檔主題的概率，因爲沒有輸入一個Alpha值來估算每個文檔和LDAState類的主題有一個logProbWordGivenTopic(int, int)方法，但沒有像getProbTopicGivenDocument()我只能假設LDA的mahout實現不處理髮現特定文檔的主題分佈。如果別人知道的更好，我很想做錯。