帶有用Mallet進行序列標記的文本分類/文檔分類

Question

我將文檔排列在文件夾中作爲類別稱爲類別。對於新的輸入（例如問題），我必須確定它的類別。用MALLET做這件事的最好方法是什麼？我已經閱讀了多篇關於這方面的文章，但是找不到這種方法。

此外，我是否需要對輸入文本進行序列標記？

Answer 1

1. 首先，您需要從排列爲文件夾的文檔開發培訓模型。對於木槌，每個文件夾將包含一個或多個文件，每個文件夾將代表他們的班級。

一旦你有你的培訓文件，你需要創建一個Mallet可以理解的文件。轉到Mallet的bin文件夾並在命令行中輸入如下命令 -

mallet import-dir --input directory:\...\parentfolder\* --preserve-case --remove-stopwords --binary-features --gram-sizes 1 --output directory:\mallet-file-name 

這只是一個示例。在這個查詢中的參數可以如果鍵入完全顯示的following--

mallet import-dir --help 

一旦創建此槌文件，需要通過把一個命令來訓練模型如following--

槌列車分類--trainer algorithmname --input目錄：\槌文件名稱--output-分類目錄：... \模型

現在，該模型已創建，您可以使用該模型對文檔進行分類與未知的類。

mallet classify-file --input directory:\...\data --output - --classifier classifier 

這將在標準輸出中提供名爲data的文檔的類。

如果您需要使用序列標記或不依賴於您嘗試分類的數據。