Mallet: Topical N-grams

Question

我想使用--use-ngrams true选项运行mallet，但似乎无法使其正常工作。我已使用导入我的数据

./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)

正如你所看到的，我正在运行mallet作为一个命令行工具，而不是窥探它的API使其工作。有什么建议吗？

Answer 1

找到答案：

必须使用"--keep-sequence-bgirams"参数导入要运行主题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，您将主题模型运行为：

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