如何获得MALLET中两个文档之间的余弦相似度？

Question

我有一个使用MALLET训练的LDA主题模型，但我想计算两个文档之间的余弦相似度以获得相似度，但我不确定哪个文件是MALLET输出的，我计算余弦值。

我的余弦相似度函数工作正常，但只是不确定我在比较在马鞍山。

任何帮助，将不胜感激！

Answer 1

每个文档将由它的主题组成来表示，所以你必须比较这些文档。使用--output-doc-topics参数来获取所需的文件。

行是文档，列是属于文档的每个主题的比例。在当前版本（2.0.8）中，按主题ID升序排列 - 否则按从高到低的概率排序。

除了余弦相似之外，您还应该考虑不同的指标，例如， （对称）Kullback-Leibler散度或Hellinger距离。