java - 在 Java 中使用 Mallet 在 LDA 中折叠(估计新文档的主题)

Question

我通过 Java 使用 Mallet，但我无法弄清楚如何根据我训练过的现有主题模型来评估新文档。

我生成模型的初始代码与 Mallett Developers Guide for Topic Modelling 中的代码非常相似。 ，之后我只需将模型保存为 Java 对象。在稍后的过程中，我从文件中重新加载该 Java 对象，通过 .addInstances() 添加新实例，然后仅根据原始训练集中找到的主题评估这些新实例。

This stats.SE thread提供了一些高级建议，但我不知道如何将它们应用到 Mallet 框架中。

非常感谢任何帮助。

Answer 1

推理实际上也列在 example link 中问题中提供(最后几行)。

对于对保存/加载训练模型的整个代码感兴趣的人，然后使用它来推断新文档的模型分布 - 这里有一些片段:

model.estimate()之后完成后，您就拥有了实际训练过的模型，因此您可以使用标准 Java ObjectOutputStream 对其进行序列化(因为 ParallelTopicModel 实现了 Serializable ):

try {
    FileOutputStream outFile = new FileOutputStream("model.ser");
    ObjectOutputStream oos = new ObjectOutputStream(outFile);
    oos.writeObject(model);
    oos.close();
} catch (FileNotFoundException ex) {
    // handle this error
} catch (IOException ex) {
    // handle this error
}

但请注意，当您推断时，您还需要通过同一管道传递新句子(如 Instance )以便对其进行预处理(tokenzie 等)，因此，您还需要保存管道列表(因为我们使用SerialPipe何时可以创建实例然后序列化它):

// initialize the pipelist (using in model training)
SerialPipes pipes = new SerialPipes(pipeList);

try {
    FileOutputStream outFile = new FileOutputStream("pipes.ser");
    ObjectOutputStream oos = new ObjectOutputStream(outFile);
    oos.writeObject(pipes);
    oos.close();
} catch (FileNotFoundException ex) {
    // handle error
} catch (IOException ex) {
    // handle error
}

为了加载模型/管道并将其用于推理，我们需要反序列化:

private static void InferByModel(String sentence) {
    // define model and pipeline
    ParallelTopicModel model = null;
    SerialPipes pipes = null;

    // load the model
    try {
        FileInputStream outFile = new FileInputStream("model.ser");
        ObjectInputStream oos = new ObjectInputStream(outFile);
        model = (ParallelTopicModel) oos.readObject();
    } catch (IOException ex) {
        System.out.println("Could not read model from file: " + ex);
    } catch (ClassNotFoundException ex) {
        System.out.println("Could not load the model: " + ex);
    }

    // load the pipeline
    try {
        FileInputStream outFile = new FileInputStream("pipes.ser");
        ObjectInputStream oos = new ObjectInputStream(outFile);
        pipes = (SerialPipes) oos.readObject();
    } catch (IOException ex) {
        System.out.println("Could not read pipes from file: " + ex);
    } catch (ClassNotFoundException ex) {
        System.out.println("Could not load the pipes: " + ex);
    }

    // if both are properly loaded
    if (model != null && pipes != null){

        // Create a new instance named "test instance" with empty target 
        // and source fields note we are using the pipes list here
        InstanceList testing = new InstanceList(pipes);   
        testing.addThruPipe(
            new Instance(sentence, null, "test instance", null));

        // here we get an inferencer from our loaded model and use it
        TopicInferencer inferencer = model.getInferencer();
        double[] testProbabilities = inferencer
                   .getSampledDistribution(testing.get(0), 10, 1, 5);
        System.out.println("0\t" + testProbabilities[0]);
    }
}

由于某种原因，我没有得到与原始模型完全相同的加载模型的推论 - 但这是另一个问题的问题(如果有人知道，我很高兴听到)