Mallet 中的 Python 主题建模错误

Question

嗨，我正在使用 gensim 进行主题建模，并且正在使用 Mallet 并执行此代码，如图所示，我在 c 驱动器中解压缩了 mallet，并设置了环境MALLET_HOME命令。我正在执行的代码是

mallet_path = r'c:/mallet-2.0.8/bin/mallet'
ldamallet = gensim.models.wrappers.LdaMallet(mallet_path, corpus=corpus, 
num_topics=20, id2word=id2word)

这给了我这样的错误

CalledProcessError                        Traceback (most recent call last)
<ipython-input-58-6e0dbb876ee6> in <module>()
----> 1 ldamallet = gensim.models.wrappers.LdaMallet(mallet_path, 
corpus=corpus, 
num_topics=20, id2word=id2word)
~AppDataLocalContinuumanaconda3libsite- 
packagesgensimmodelswrappersldamallet.py in __init__(self, mallet_path, 
corpus, num_topics, alpha, id2word, workers, prefix, optimize_interval, 
iterations, topic_threshold)
124         self.iterations = iterations
125         if corpus is not None:
--> 126             self.train(corpus)
127 
128     def finferencer(self):
~AppDataLocalContinuumanaconda3libsite- 
packagesgensimmodelswrappersldamallet.py in train(self, corpus)
265 
266         """
--> 267         self.convert_input(corpus, infer=False)
268         cmd = self.mallet_path + ' train-topics --input %s --num-topics 
%s  --alpha %s --optimize-interval %s '
269             '--num-threads %s --output-state %s --output-doc-topics %s - 
-output-topic-keys %s '
~AppDataLocalContinuumanaconda3libsite- 
packagesgensimmodelswrappersldamallet.py in convert_input(self, corpus, 
infer, serialize_corpus)
254             cmd = cmd % (self.fcorpustxt(), self.fcorpusmallet())
255         logger.info("converting temporary corpus to MALLET format with 
%s", cmd)
--> 256         check_output(args=cmd, shell=True)
257 
258     def train(self, corpus):
~AppDataLocalContinuumanaconda3libsite-packagesgensimutils.py in 
check_output(stdout, *popenargs, **kwargs)
1804             error = subprocess.CalledProcessError(retcode, cmd)
1805             error.output = output
-> 1806             raise error
1807         return output
1808     except KeyboardInterrupt:`
CalledProcessError: Command 'c:mallet-2.0.8binmallet import-file -- 
preserve-case --keep-sequence --remove-stopwords --token-regex "S+" --input 
C:Usersapath009AppDataLocalTempd186ea_corpus.txt --output 
C:Usersapath009AppDataLocalTempd186ea_corpus.mallet' returned non-zero 
exit status 1.

请帮忙!!

Answer 1

我也遇到了这个错误，但现在它正在工作。我不确定我做了什么让它开始工作，但我会详细说明我所做的一切。

首先，我遵循此链接中的所有内容，答案包含3个步骤(粘贴在下面(： 实现 gensim 时出错。达马利特

1. 确保已设置MALLET_HOME

2. 在 Python 中设置mallet_path时转义斜杠

   mallet_path = 'c:\mallet-2.0.8\bin\mallet'
   LDA_model = gensim.models.LdaMallet(mallet_path, ...
   

3. 此外，修改第 142 行PythonLibsite-packagesgensimmodelsldamallet.py:更改--token-regex 'S+' to --token-regex "S+"

但我仍然收到错误。接下来，我的电脑是双启动的，所以我启动了lubuntu，安装了java，python3，gensim，并将mallet文件夹复制到lubuntu分区。我使用与 windows 相同的代码运行了一个测试 python 文件，但使用从 lubuntu 终端/home/Desktop/mallet-2.0.8/bin/mallet的新 mallet 目录。成功了。然后我启动回Windows，突然它也在Windows上运行。

Answer 2

检查是否已正确安装 Java，是否已设置JAVA_HOME系统变量，以及是否已将%JAVA_HOME%bin添加到PATH全局系统变量中。

完成此操作后，重新启动计算机以使更改生效。

这为我做了一个技巧。