mahout分类文本输入矢量化

Question

我想用mahout建立一个分类器。模型建成后。 我必须将目标文档“喂”到模型并获得分类结果。

我检查了mahout源代码中的测试用例，它使用了具有固定数量字段的DenseVector。 但是，我使用mahout来分类文本文档，输入是一些字符串（或包含字符串的数组）。如何将其转换为有效的“Vector”实例。

我试过StaticWordEncoder和RandomAccessSparseVector，但结果不正确。无法弄清楚原因。有点绝望。

Answer 1

您必须将文档解析为单词并从中填充该向量。

我会推荐阅读像Mahout In Action之类的东西，以在尝试此操作之前获取更多背景。