使用 Mallet 时，如何获取与每个文档关联的主题列表

Question

使用 Mallet 时，如何获取与每个文档相关的主题列表？我想我需要使用 train-topics 和 --output-topic-docs，但是当我这样做时，我得到了一个错误。

我正在使用 Mallet (2.0.8)，并使用以下 bash 脚本进行建模：

MALLET=/Users/emorgan/desktop/mallet/bin/mallet
INPUT=/Users/emorgan/desktop/sermons
OBJECT=./object.mallet

$MALLET import-dir --input $INPUT --output $OBJECT --keep-sequence --remove-stopwords

$MALLET train-topics --input $OBJECT --num-topics 10 --num-top-words 1 \
--num-iterations 50 \
--output-doc-topics ./topics.txt \
--output-topic-keys ./keys.txt \
--xml-topic-report ./topic.xml \
--output-topic-docs ./docs.txt

很遗憾，./docs.txt 没有被创建。相反，我收到以下错误：

线程“main”java.lang.ClassCastException 中的异常：java.net.URI 无法转换为 java.lang.String 在 cc.mallet.topics.ParallelTopicModel.printTopicDocuments(ParallelTopicModel.java:1773) 在 cc.mallet.topics.tui.TopicTrainer.main(TopicTrainer.java:281)

更具体地说，我希望 Mallet 生成一个文档列表和分配给它们的相关主题，或者我想要一个主题列表，然后是相关文档列表。如何创建此类列表？

Answer 1

至少在 mallet 2.0.7 中，--output-doc-topics ./topics.txt 提供了所需的表格（每个文档的主题组成）。虽然输出格式已从 2.0.7 更改为 2.0.8，但文件的主要内容保持不变。