使用Java中的Mallet在LDA中折叠(估计新文档的主题)

Question

我通过Java使用Mallet，我不知道如何根据我已经训练过的现有主题模型评估新文档。

生成模型的初始代码与Mallett开发人员主题建模指南中的代码非常相似，之后我只是将模型保存为Java对象。在后面的过程中，我从文件中重新加载该Java对象，通过.addInstances()添加新实例，然后只针对原始训练集中找到的主题评估这些新实例。

这个统计数据。SE线程提供了一些高级的建议，但我不知道如何将它们工作到Mallet框架中。

非常感谢。

Answer 1

推理实际上也列在问题提供的示例链接中(最后几行)。

对于保存/加载训练好的模型，然后用它来推断新文档的模型分布的整个代码感兴趣的人，这里有一些代码片段:

在model.estimate()完成后，您有了实际的训练模型，因此您可以使用标准的Java ObjectOutputStream对其进行序列化(因为ParallelTopicModel实现了Serializable):

try {
    FileOutputStream outFile = new FileOutputStream("model.ser");
    ObjectOutputStream oos = new ObjectOutputStream(outFile);
    oos.writeObject(model);
    oos.close();
} catch (FileNotFoundException ex) {
    // handle this error
} catch (IOException ex) {
    // handle this error
}

请注意，当您推断时，您还需要通过相同的管道传递新句子(如Instance)以便对其进行预处理(tokenzie等)，因此，您还需要保存管道列表(因为我们使用SerialPipe时可以创建一个实例，然后将其序列化):

// initialize the pipelist (using in model training)
SerialPipes pipes = new SerialPipes(pipeList);
try {
    FileOutputStream outFile = new FileOutputStream("pipes.ser");
    ObjectOutputStream oos = new ObjectOutputStream(outFile);
    oos.writeObject(pipes);
    oos.close();
} catch (FileNotFoundException ex) {
    // handle error
} catch (IOException ex) {
    // handle error
}

为了加载模型/管道并使用它们进行推理，我们需要反序列化:

private static void InferByModel(String sentence) {
    // define model and pipeline
    ParallelTopicModel model = null;
    SerialPipes pipes = null;
    // load the model
    try {
        FileInputStream outFile = new FileInputStream("model.ser");
        ObjectInputStream oos = new ObjectInputStream(outFile);
        model = (ParallelTopicModel) oos.readObject();
    } catch (IOException ex) {
        System.out.println("Could not read model from file: " + ex);
    } catch (ClassNotFoundException ex) {
        System.out.println("Could not load the model: " + ex);
    }
    // load the pipeline
    try {
        FileInputStream outFile = new FileInputStream("pipes.ser");
        ObjectInputStream oos = new ObjectInputStream(outFile);
        pipes = (SerialPipes) oos.readObject();
    } catch (IOException ex) {
        System.out.println("Could not read pipes from file: " + ex);
    } catch (ClassNotFoundException ex) {
        System.out.println("Could not load the pipes: " + ex);
    }
    // if both are properly loaded
    if (model != null && pipes != null){
        // Create a new instance named "test instance" with empty target 
        // and source fields note we are using the pipes list here
        InstanceList testing = new InstanceList(pipes);   
        testing.addThruPipe(
            new Instance(sentence, null, "test instance", null));
        // here we get an inferencer from our loaded model and use it
        TopicInferencer inferencer = model.getInferencer();
        double[] testProbabilities = inferencer
                   .getSampledDistribution(testing.get(0), 10, 1, 5);
        System.out.println("0t" + testProbabilities[0]);
    }
}

由于某种原因，我没有得到与原始模型完全相同的推断，但这是另一个问题(如果有人知道，我很高兴听到)

Answer 2

我已经从Mallet的首席开发人员的幻灯片中找到了答案:

TopicInferencer inferencer = model.getInferencer();
double[] topicProbs = inferencer.getSampledDistribution(newInstance, 100, 10, 10);