Apache Mahout中的矢量化

Question

我是Mahout的新手。我需要在稍后阶段将文本文件转换为矢量以进行分类。

任何人都可以对以下这些问题有所了解吗？

1. 如何将文本文件转换为mahout中的向量？ 文件格式类似于“用户名|关于项目评级的评论”
2. 数据将是几TB。那么我可以使用哪个算法实现分类使用我想要创建的向量？

谢谢， 阿伦

Answer 1

您可以查看这两个也有一些/解释如何使用序列文件API的示例。 Here和here

你绝对应该阅读intro文本分析