將Python字符串傳遞給Mallet以進行主題建模

Question

我正在使用BeautifulSoup構建一個與HTML中的元數據一起收集的文本語料庫。 如果我可以從Python中調用Mallet並讓它從Python字符串中模擬主題，而不是從目錄中的文本文件中模擬主題，那將非常有用。 這樣我就可以將Mallet定位的n個關鍵字放入每個文件中。

我收到一條消息，說我跑的時候已經認出了Mallet：

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

但是我對接下來的步驟沒有任何好運，甚至不確定Mallet是否接受除保存文件以外的任何內容。

我無法找到任何我真正理解的文檔。 有人看過這個可摘文件嗎？ （NLTK書沒有進入Mallet）。 我也很樂意學習Python中任何其他主題建模方法，我可以在沒有深入Python知識的情況下進行操作。

對不起，這是我的第一個牛仔競技表演。

Answer 1

如果您仍在尋找解決方案：Gensim（一個Python主題建模/機器學習包）有一個Mallet的包裝器，它易於使用且記錄良好。 以下是一些Gensim教程和Mallet包裝器的特定教程 。 您可能還需要閱讀一些安裝說明（主要是關於設置Java內存的部分） 在這里 ，然后你會准備好去。

Answer 2

我曾嘗試用NLTK項目實現Mallet ，並且在死胡同之后我也陷入了死胡同。 我認為要保留的主要內容是Mallet是基於Java的，而NLTK是用Python編寫的。

你已經知道了，但我個人認為我在努力混合技術，因為我沒有扎實的Java背景。 我從同事那里收到了關於使用Python的Mallet的相同反饋，“准備花很多時間調試。”

從那時起，我一直在使用sklearn庫進行Python。 它更普遍地針對機器學習，而不是直接針對NLP，但可以很好地用於它。 它配備了大量的建模工具，大部分都依賴於NumPy所以它應該非常快。 我已經使用了很多，可以說它寫得很好並且有文檔記錄。

我不想阻止你使用Mallet，特別是因為我這么說。 但是如果您對替代方案持開放態度，我認為您會發現在使用NLTK構建項目時，使用Python模塊要容易得多，因為它本身是用Python編寫的。 我希望這有幫助！