Question

MALLET在训练主题模型时使用--output-doc-topics参数生成包含每个文档主题分布的制表符分隔文件。它看起来像这样：

doc#    filename    topic#    weight
0    file:/.../document_01.txt    3     0.2110215053763441    14    0.1330645161    ...

但是，我需要对此文件进行不同的排序以进行进一步处理。现在，列按降序主题权重（0.211 ...，0.133 ......等）排序。但是也可以通过升序主题数字（0,1,2，...）及其相应的权重对其进行排序吗？

最初，我认为可以使用Excel完成排序，但文件太大（> 20 GB）。

这可能是MALLET参数吗？我已查看了--help部分，但未发现任何相关内容。

否则，你能推荐一种能够进行这种排序的工具或API吗？

谢谢！

Answer 1

如果您获得最新版本（2.0.8），则默认情况下按主题ID按排序顺序显示所有主题：

--doc-topics-max INTEGER
  When writing topic proportions per document with --output-doc-topics, do not print more than INTEGER number of topics.  A negative value indicates that all topics should be printed.
  Default is -1

更改MALLET中主题分发文件中列的顺序

1 个答案: