Mapreduce Mahout文本挖掘-给定奇异值的最重要单词

问题：是否有一种简单的方法可以查看与每个单数值相关的最重要的单词

背景：我已将Mahout的奇异值分解工具应用于一组新闻文章。这些文章来自两个主题：1）体育，2）商业。我希望看到与每个单数值相关的最重要的单词。例如，对于一个单数值，我可能认为最突出的词是体育术语：分数、团队、球员、教练。对于另一个单数值，我可能期望看到商业术语：公司、利润、收入

我的方法：我正在考虑为每个单数值创建一个文件，其中——对于给定的单数值——单词按重要性降序排列。这只是一个想法。我愿意接受建议

下面是我到目前为止用来生成Mahout奇异值的代码：

/mahout-distribution-0.7/bin/mahout svd 
-i /vectors/tfidf-vectors/
-o /svd-values/
--numRows 100 
--numCols 591 
-r 100

---

在项目中无法直接执行此操作，而且我自己也不知道该代码。但我可以告诉你大概的想法

---

在奇异值分解中，你得到一个像a~=usv'的分解。假设A是文档术语矩阵。所以A的列-，V'的列-，对应于单词。V'的行对应于奇异值（S）。事实上，它们是正确的奇异向量。你可以直接从中读出奇异向量与单词的关系。最大的绝对值是最重要的单词。

即使在我小小的实验数据集上，我也有591个单词，所以我想避免手动扫描。矢量元素如何以svd输出序列文件格式存储？我打开了文件，键值对的“值”部分看起来像是包含了一个名称（例如，eigenVector99）、一个特征值，然后是某种向量对象。“值”是某种容器对象吗？它包含一个SparseVector吗？每个向量元素中的键是一个术语ID吗？您必须深入研究代码，不确定。请注意，单数向量可能并不完全对应于几个单词。像是关于喜剧而不是恐怖的向量，也是关于恐怖而不是喜剧的向量——符号不一定有绝对意义。