Eclipse中使用mallet主题建模初窥

在看topic model和LDA的相关知识。 想要找个主题建模的工具使用一下。java环境下找到了mallet，版本是2.0.7。   跳过了官方文档想在网上找一些教程和使用心得，发现几乎都是一个版本的讲解，都是配置和命令行的操作使用  ，没有提到在具体的java项目中如何去使用mallet工具。  于是自己摸索着看了一下，记录下自己初次使用的一些心得。

在官网下载好mallet的项目文件之后，解压。得到的mallet项目不能直接import，在Eclipse中新建一个项目，把mallet目录下的内容全部复制过去即可。由于想使用主题建模相关的功能。打开example包下的TopicModel.java既是一个使用的样例。

该类主要包括两部分。  前一部分训练出model，后一部分用该model找到test文本的主题。   

instance作为数据的对象，我把args[]读入改为了从指定地址的文件读入。  这里的训练数据可以是一个文件，亦可以令fileReader读入多个文件。 同时生成instance时的pipeList对象实现了停用词过滤，大小写归一等操作，队训练数据进行了预处理。  numTopics指定了topic的个数，model读入训练数据并调用API完成训练。

测试部分大同小异，也是要指定好测试的instance得到在model的各个topic上的值即可。