将Python字符串传递给Mallet以进行主题建模

Question

我正在使用BeautifulSoup构建一个与HTML中的元数据一起收集的文本语料库。 如果我可以从Python中调用Mallet并让它从Python字符串中模拟主题，而不是从目录中的文本文件中模拟主题，那将非常有用。 这样我就可以将Mallet定位的n个关键字放入每个文件中。

我收到一条消息，说我跑的时候已经认出了Mallet：

from nltk.classify import mallet
from subprocess import call
mallet.config_mallet("malletdir/mallet-2.0.7/bin")

但是我对接下来的步骤没有任何好运，甚至不确定Mallet是否接受除保存文件以外的任何内容。

我无法找到任何我真正理解的文档。 有人看过这个可摘文件吗？ （NLTK书没有进入Mallet）。 我也很乐意学习Python中任何其他主题建模方法，我可以在没有深入Python知识的情况下进行操作。

对不起，这是我的第一个牛仔竞技表演。

Answer 1

如果您仍在寻找解决方案：Gensim（一个Python主题建模/机器学习包）有一个Mallet的包装器，它易于使用且记录良好。 以下是一些Gensim教程和Mallet包装器的特定教程 。 您可能还需要阅读一些安装说明（主要是关于设置Java内存的部分） 在这里 ，然后你会准备好去。

Answer 2

我曾尝试用NLTK项目实现Mallet ，并且在死胡同之后我也陷入了死胡同。 我认为要保留的主要内容是Mallet是基于Java的，而NLTK是用Python编写的。

你已经知道了，但我个人认为我在努力混合技术，因为我没有扎实的Java背景。 我从同事那里收到了关于使用Python的Mallet的相同反馈，“准备花很多时间调试。”

从那时起，我一直在使用sklearn库进行Python。 它更普遍地针对机器学习，而不是直接针对NLP，但可以很好地用于它。 它配备了大量的建模工具，大部分都依赖于NumPy所以它应该非常快。 我已经使用了很多，可以说它写得很好并且有文档记录。

我不想阻止你使用Mallet，特别是因为我这么说。 但是如果您对替代方案持开放态度，我认为您会发现在使用NLTK构建项目时，使用Python模块要容易得多，因为它本身是用Python编写的。 我希望这有帮助！