更改MALLET中主題分配文件中的列順序

Question

在培訓主題模型時，MALLET通過使用--output-doc-topics參數生成包含每個文檔主題分佈的製表符分隔文件。它看起來像這樣：

doc# filename topic# weight 
0 file:/.../document_01.txt 3  0.2110215053763441 14 0.1330645161 ... 

但是，我需要此文件以不同的方式排序進一步處理。現在，這些列按降序主題權重（0.211 ...，0.133 ...等）排序。但是，是否也可以通過提升主題編號（0,1,2，...）及其相應的權重對它進行排序？

最初，我認爲排序可以用Excel來完成，但文件太大（> 20 GB）。

有沒有可能爲此的一個MALLET參數？我已經瀏覽了--help部分，但沒有找到任何相關的內容。

否則，你能推薦一個工具或API，這是能夠進行這種排序嗎？

謝謝！

Answer 1

如果你獲得最新的版本（2.0.8），默認是主題ID顯示在有序的所有主題：

--doc-topics-max INTEGER 
    When writing topic proportions per document with --output-doc-topics, do not print more than INTEGER number of topics. A negative value indicates that all topics should be printed. 
    Default is -1