Text mining 使用保存的主题状态，使用mallet推断主题

我已使用以下命令从一些文档生成主题模型：

bin/mallet train-topics --input topic-input.mallet --num-topics 100 --output-state topic-state.gz

---

但是，我没有使用

--output model

选项来生成序列化的topic trainer对象。是否有任何方法可以使用状态文件推断新文档的主题？培训很慢，如果我必须从头开始创建序列化模型，我需要几天的时间来重新培训。

从状态文件恢复模型似乎是mallet 2.0.7中的一项新功能

能够从gzip“状态”文件恢复模型。从新 TopicTrainer，使用--input state[filename]参数。注意你 您可以手动编辑此文件。主题设置为-1的任何令牌都将被删除

---

加载后立即重新采样。

我们没有使用mallet附带的命令行工具，我们只是使用mallet api创建用于推断新文档的序列化模型。有两点需要特别注意：

• 您需要在完成培训后序列化所使用的管道（对于我来说，它是SerialPipes）
• 当然，在完成培训后，还需要序列化模型（对于我的情况，它是ParallelTopicModel）

请查看java文档：

---

如果您的意思是想看看新文档如何适合以前培训过的主题模型，那么恐怕没有简单的命令可以让您正确使用。 mallet2.0.7源代码中的类cc.mallet.topics.LDA提供了这样一个实用程序，请尝试理解它并在程序中使用它。 另外，如果我的记忆正常，那么该类中函数的实现存在一些问题：

public void addDocuments(InstanceList additionalDocuments, 
                         int numIterations, int showTopicsInterval,
                         int outputModelInterval, String outputModelFilename,
                         Randoms r)

你必须重写它