我将文档作为类别排列在文件夹中。对于新的输入（例如所问的问题），我必须确定其类别。使用MALLET的最佳方法是什么？我已经看了很多关于这方面的文章，但找不到这样的方法。
此外，我需要对输入文本进行序列标记吗？
- 首先，您需要从排列为文件夹的文档中开发一个培训模型。对于Mallet，每个文件夹将包含一个或多个文档，并且每个文件夹将代表它们的类
一旦你有了培训文档，你需要创建一个Mallet可以理解的文件。转到Mallet的bin文件夹，在命令行中输入如下命令——
mallet import-dir --input directory:...parentfolder* --preserve-case --remove-stopwords --binary-features --gram-sizes 1 --output directory:mallet-file-name
这只是一个例子。如果您键入以下内容，则可以完全显示此查询中的参数--
mallet import-dir --help
一旦创建了这个Mallet文件，就需要通过放置以下命令来训练模型——
mallet训练分类器--训练器算法名称--输入目录：\ mallet文件名称--输出分类器目录：。。。\型号
现在已经创建了模型，可以使用该模型对具有未知类的文档进行分类。
mallet classify-file --input directory:...data --output - --classifier classifier
这将在标准输出中提供名为data的文档类。
是否需要使用序列标记取决于您试图分类的数据。