【发布时间】：2021-12-18 14:09:36
【问题描述】：
我想在 Mallet 中运行一个模型，并且需要 topic-docs 输出，它为每个主题提供最突出的文档。这对于正确解释不太清楚的主题是必要的。但是 Mallet 一直给我空的 txt 文件。
这是我使用的命令：
bin\mallet train-topics --input cleandata1000.mallet --num-topics 250 --num-iterations 3000 --optimize-interval 50 --optimize-burn-in 50 --output-topic-keys 1000-300-3000-50-topic-keys.txt --output-topic-docs 1000-300-1000-50-topic-docs.txt --num-top-docs 20 --output-doc-topics 1000-300-1000-50-doc-topics.txt --doc-topics-threshold 0.01 --xml-topic-phrase-report 1000-300-1000-50-topic-phrase.xml --output-state 1000-300-1000-50-state.gz --use-symmetric-alpha true
有人知道是什么原因吗？
编辑以回应 David Mimno 11 月 4 日的评论：
同样的事情发生在不同的数据上（文档的长度不同）。
我刚刚使用 Mallet 的测试数据运行了一些其他模型。特殊之处：该试验根本没有输出（因此“en-topic-docs.txt”没有生成）。
bin\mallet train-topics --input en.mallet --num-topics 5 --output-topic-docs en-topic-docs.txt
当我要求主题键作为输出时，两个文件都已生成，但 en-topic-docs.txt 为空。
bin\mallet train-topics --input en.mallet --num-topics 5 --output-topic-keys en-topic-keys.txt --output-topic-docs en-topic-docs.txt
我的错：那里是一个反复出现的错误消息：
线程“main”java.lang.ClassCastException 中的异常：类 java.net.URI 无法转换为类 java.lang.String（java.net.URI 和 java.lang.String 在模块 java.base 中）加载程序“引导程序”） 在 cc.mallet.topics.ParallelTopicModel.printTopicDocuments(ParallelTopicModel.java:1773) 在 cc.mallet.topics.tui.TopicTrainer.main(TopicTrainer.java:281)
我不知道这可能意味着什么。
感谢您的帮助，您正在挽救我的博士学位 :)
【问题讨论】：
-
看起来没有什么明显的错误。数据文件是否可能为空或损坏？错误消息会被丢弃吗？
标签： cmd lda topic-modeling mallet