如何獲得MALLET中兩個文檔之間的餘弦相似度？

Question

我有一個使用MALLET訓練的LDA主題模型，但我想計算兩個文檔之間的餘弦相似度以獲得相似度，但我不確定哪個文件是MALLET輸出的，我計算餘弦值。

我的餘弦相似度函數工作正常，但只是不確定我在比較在馬鞍山。

任何幫助，將不勝感激！

Answer 1

每個文檔將由它的主題組成來表示，所以你必須比較這些文檔。使用--output-doc-topics參數來獲取所需的文件。

行是文檔，列是屬於文檔的每個主題的比例。在當前版本（2.0.8）中，按主題ID升序排列 - 否則按從高到低的概率排序。

除了餘弦相似之外，您還應該考慮不同的指標，例如， （對稱）Kullback-Leibler散度或Hellinger距離。