java - 更改 MALLET 中主题分发文件中的列顺序

Question

MALLET 在训练主题模型时使用 --output-doc-topics 参数生成一个制表符分隔的文件，其中包含每个文档的主题分布。它看起来像这样:

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

但是，我需要对该文件进行不同的排序以进行进一步处理。现在，列按主题权重降序排序(0.211...、0.133...等)。但是否也可以按主题编号升序(0、1、2、...)及其相应的权重对其进行排序？

最初，我认为可以使用 Excel 来完成排序，但文件太大(> 20 GB)。

可能有一个 MALLET 参数吗？我已经浏览了 --help 部分，但没有找到任何相关内容。

或者，您能推荐一个能够进行这种排序的工具或 API 吗？

谢谢!

Answer 1

如果您获取最新版本(2.0.8)，默认情况下按主题 id 排序显示所有主题:

--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