使用保存的主题状态使用mallet推断主题

Question

我使用以下命令从某些文档生成主题模型：

bin/mallet train-topics --input topic-input.mallet --num-topics 100 --output-state topic-state.gz

但是，我没有使用--output-model选项生成序列化主题培训师对象。有什么办法可以使用状态文件来推断新文档的主题吗？训练很慢，如果我必须从头开始创建序列化模型，我需要花几天时间重新训练。

Answer 1

我们没有使用mallet附带的命令行工具，我们只是使用mallet api创建序列化模型以推断新文档。两点需要特别注意：

• 您需要在完成培训后序列化您使用的管道（对于我的情况，它是SerialPipes）
• 因为模型在完成培训后也需要序列化（对于我的情况，它是ParallelTopicModel）

请查看java doc：

• http://mallet.cs.umass.edu/api/cc/mallet/pipe/SerialPipes.html
• http://mallet.cs.umass.edu/api/cc/mallet/topics/ParallelTopicModel.html

Answer 2

根据release notes，从状态文件恢复模型似乎是mallet 2.0.7中的新功能。

能够从gzip压缩的“状态”文件中恢复模型。来自新的 TopicTrainer，使用--input-state [filename]参数。请注意你 可以手动编辑此文件。主题设置为-1的任何标记都将是 加载后立即重新采样。

Answer 3

如果您的意思是想要了解新文档如何适应以前训练过的主题模型，那么我担心没有简单的命令可以用来做正确的事情。 mallet 2.0.7源代码中的cc.mallet.topics.LDA类提供了这样一个实用程序，尝试理解它并在程序中使用它。 P.S.，如果我的记忆服务，那么在该类中实现该功能存在一些问题：

public void addDocuments(InstanceList additionalDocuments, 
                         int numIterations, int showTopicsInterval,
                         int outputModelInterval, String outputModelFilename,
                         Randoms r)

你必须重写它。