我正在使用BeautifulSoup构建一个与HTML中的元数据一起收集的文本语料库。如果我可以从Python中调用Mallet并让它从Python字符串中模拟主题，而不是从目录中的文本文件中进行建模，那将会非常有用。这样我就可以将Mallet定位的n个关键字放入每个文件中。
我收到一条消息，说我跑的时候已经识别出Mallet：
from nltk.classify import mallet
from subprocess import call
mallet.config_mallet("malletdir/mallet-2.0.7/bin")
但是我对接下来的步骤没有任何好运，甚至不确定Mallet是否接受了除保存文件以外的任何内容。
我无法找到任何我真正理解的文档。有人看过这个可摘文件吗？ （NLTK书没有进入Mallet）。我也很乐意在Python中学习任何其他主题建模方法，我可以在没有深入Python知识的情况下进行操作。
对不起，这是我的第一个牛仔竞技表演。
答案 0 :(得分：2)
如果您仍在寻找解决方案：Gensim（一个Python主题建模/机器学习包）有一个Mallet的包装器，它易于使用且记录良好。 Here是一些Gensim教程，也是Mallet包装器的特定tutorial。您可能还想阅读一些安装说明（主要是关于设置Java内存的部分）here，然后您就可以开始了。
答案 1 :(得分：1)
我曾尝试用NLTK项目实现Mallet，但在死胡同之后我也陷入了死胡同。我认为要保留的主要内容是Mallet是基于Java的，而NLTK是用Python编写的。
你已经知道了，但我个人认为我在混合技术方面遇到了困难，因为我没有扎实的Java背景。我收到了同事关于使用Python的Mallet的相同反馈，＆＃34;准备好花大量时间进行调试。＆＃34;
从那时起，我一直在使用sklearn库来进行Python。它更普遍地针对机器学习，而不是直接针对NLP，但可以很好地用于它。它附带了大量的建模工具，大部分都依赖于NumPy所以它应该非常快。我已经使用了很多，并且可以说它写得很好并且有文档记录。
我不想阻止你使用Mallet，特别是因为我这么说。但是如果您对替代方案持开放态度，我认为您会发现在使用NLTK构建项目时，使用Python模块要容易得多，因为它本身是用Python编写的。我希望这有帮助！