在 MALLET 中更改主题分发文件中的列顺序答案

【问题标题】：Change order of columns in topic distribution file in MALLET在 MALLET 中更改主题分发文件中的列顺序
【发布时间】：2017-03-16 18:21:21
【问题描述】：

MALLET 在训练主题模型时使用--output-doc-topics 参数生成一个以制表符分隔的文件，其中包含每个文档的主题分布。它看起来像这样：

doc#    filename    topic#    weight
0    file:/.../document_01.txt    3     0.2110215053763441    14    0.1330645161    ...

但是，我需要对这个文件进行不同的排序以便进一步处理。现在，这些列按主题权重降序排序（0.211...、0.133... 等）。但是是否也可以通过升序的主题编号（0、1、2、...）及其对应的权重对其进行排序？

最初，我认为可以使用 Excel 进行排序，但文件太大（> 20 GB）。

可能有一个 MALLET 参数吗？我已经浏览了--help 部分，但没有找到任何相关内容。

否则，您能否推荐一个能够进行这种排序的工具或 API？

谢谢！

【问题讨论】：

标签： java sorting lda topic-modeling mallet

【解决方案1】：

如果你获取的是最新版本（2.0.8），默认是按主题id排序显示所有主题：

--doc-topics-max INTEGER
  When writing topic proportions per document with --output-doc-topics, do not print more than INTEGER number of topics.  A negative value indicates that all topics should be printed.
  Default is -1

【讨论】：