Java Mahout 0.9朴素贝叶斯分类文档

我对Mahout非常陌生，我正在对非结构化文本文档进行分类

我使用了朴素的贝叶斯模型。我已经开始训练分类器，但我不知道如何将新文档转换为tfidf向量进行分类

我的数据存储为一个TSV文件，该文件有一个标签和与之对应的文本。我使用

seq2parse

创建训练模型所需的tfidf向量

然后，我使用这些tfidf向量对模型进行训练，得到一个朴素的贝叶斯模型

现在我有了一个新的未标记文本文档，我希望使用这个经过训练的模型对其进行分类，但我不确定如何将其转换为tfidf向量。如果我再次使用

seq2parse

，它将创建一组新的字典文件等，我假设这与为培训集创建的字典不对应

---

我已经看到了一个基于已创建的字典文件和标签索引手动创建tfidf的实现，但我想知道Mahout是否已经提供了一些方法来实现这一点，就像他们提供的

seq2parse

一样。我宁愿使用支持性的方法来完成，也不必手动完成。

示例代码可以帮助您，也许：

org.apache.mahout.math.Vector vector = new RandomAccessSparseVector();
    Integer wordId = dictionary.get(word);  // use hashcode of word

    double tfIdfValue = tfidf.calculate(count, freq.intValue(),
            wordCount, documentCount); // calculate tf*idf

    vector.set(wordId,tfIdfValue);

// Model is a matrix (wordId, labelId) => probability score
NaiveBayesModel model = NaiveBayesModel.materialize(
        new Path(modelPath), configuration);
StandardNaiveBayesClassifier classifier = new StandardNaiveBayesClassifier(
        model);

// With the classifier, we get one score for each label.The label with
// the highest score is the one the tweet is more likely to be
// associated to
Vector resultVector = classifier.classifyFull(vector);

---

我不确定我是否正确理解您的意思，但为什么不使用培训和测试文档创建术语频率矩阵，然后将培训向量与其标签合并？@visakh这不是用于测试的。假设我有一个新的非机密文档，我想给它贴上标签。。。如何为它创建tfidf向量？我的意思是我想使用分类器模型对其进行标记。我想您必须基于整个数据集创建文档术语矩阵，包括已分类的数据集（用于培训）和未分类的数据集。否则，术语矩阵的维度就不合适了，因为机密文档和非机密文档中的单词可能不同。没错！所以我想知道mahout是否提供了一种方法来传入生成的字典文件，该文件是基于tfidf的。否则，我将不得不遵循黑猩猩的例子，手动执行。