我有一个使用 MALLET 训练的 LDA 主题模型，但我想计算两个文档之间的余弦相似性以获得相似性，但我不确定 MALLET 输出的余弦值。
我的余弦相似函数工作正常，但不确定我在 MALLET 中比较什么。
任何帮助将不胜感激！
每个文档都将由其主题组成表示，因此您必须比较它们。使用--output-doc-topics参数以获取所需的文件。
行是文档，列是属于文档的每个主题的比例。在当前版本 (2.0.8) 中，列按主题 ID 升序排序 - 否则它们从最高概率到最低概率排序。
除了余弦相似性之外，您还应该考虑不同的度量，例如(对称)Kullback-Leibler散度或海灵格距离。