“行相似度”的输出对于每次运行是不同的

Question

Mahout：在下面提到的每个步骤中，行相似性过程的输出是不同的（保持所有输入的所有输入都相同）

Step1：seq2sparse（从文本创建向量） 第2步：rowid（生成tfidf向量） 第3步：行相似度（计算向量之间的相似度） Step4：seqdumper（二进制向量到文本）

更新：

感谢Pferrel的答复，
请建议我们如何指定“种子价值”

我使用的命令是： $ {MAHOUT_HOME} / bin / mahout seq2sparse -i $ {DATA} / seq-data -o $ {DATA} / vectors -n 2 -wt tfidf -ng 3 -nv -ow -md 100 -s 10

$ {MAHOUT_HOME} / bin / mahout rowid -i $ {DATA} / vectors / tfidf-vectors / part-r-00000 -o $ {DATA} / matrix

$ {MAHOUT_HOME} / bin / mahout rowsimilarity -i $ {DATA} / matrix / matrix -o $ {DATA} / similarity --similarityClassname SIMILARITY_COSINE -m 100 -ess -ow

Answer 1

数据被随机下采样，因此如果您想要重复性，请将种子设置为固定值。您还可以设置下采样以启用大量项目以禁用它，但请注意，这将使其运行速度变慢，速度将接近O（n ^ 2）。