确定Mahout LDA输出上的文档ID

Question

我已成功运行mahout lda，并使用命令mahout ldatopics显示输出。

例如我的主题是科学和运动。那么输出将是这样的： 话题0 篮球， 播放， 棒球 话题1个 研究， 研究， 理念现在

我的问题是我怎么能，识别个人物品的团体或集群。 是否有ID号或某种跟踪，以便我添加的每个新文章都将被分组或添加到特定的群集/主题。

如果我已经有了集群，下一步是什么？

感谢

Answer 1

我一直在寻找通过源代码，我不能找到一个矩阵THETA提及任何计算给定的文档主题的概率，因为没有输入一个Alpha值来估算每个文档和LDAState类的主题有一个logProbWordGivenTopic(int, int)方法，但没有像getProbTopicGivenDocument()我只能假设LDA的mahout实现不处理发现特定文档的主题分布。如果别人知道的更好，我很想做错。