如何使用Mallet進行主題建模

Question

我希望在保存爲用於Mallet模型的InputDirectory中的單個文件的語料庫上應用使用porter算法的詞根分析。有人可以幫助它如何執行？

Answer 1

當前您的最佳選擇是在導入文檔之前應用stemmer。如果您對Java編程還可以，可以選擇創建一個PorterStemmer Pipe類來修改TokenSequence。

但是，如果您正在訓練英文文本的主題模型，則詞幹幾乎肯定無用。該模型通常可以簡單地通過上下文將相關單詞組合在一起，並且通常會產生難以讓用戶解釋的奇怪外觀的不太完美的單詞。