apache - 确定 Mahout LDA 输出上的文档 ID

Question

我已成功运行 mahout lda，并使用命令 mahout ldatopics 显示输出。

例如，我的主题是科学和体育。那么输出将是这样的:主题 0篮球，玩，棒球主题1研究，学习，哲学

我现在的问题是如何识别单个文章的组或簇。是否有 ID 号或某种跟踪，以便我添加的每一篇新文章都会被分组或添加到特定的集群/主题。

如果我已经拥有集群，下一步是什么？

谢谢

Answer 1

我一直在浏览源代码，但我找不到任何提及用于计算给定文档的主题概率的 theta 矩阵，并且因为没有输入 Alpha 值来估计每个文档的主题和LDAState 类有一个 logProbWordGivenTopic(int, int) 方法，但没有像 getProbTopicGivenDocument() 我只能假设 LDA 的 mahout 实现没有处理发现特定文档的主题分布。如果其他人更了解的话，我很乐意犯错。