Когда я использую Mallet LDA с большим количеством тем (например, T> 300), я получаю темы с пустыми тематическими словами (нет ни одного тематического слова).
Почему так происходит? Это ошибка в Mallet?
Я использую молоток 2.0.7 на машине с Ubuntu 14.04.
ИЗМЕНИТЬ
mallet-2.0.7/bin/mallet import-dir --input $path/$posts --output $outputDir/$posts.mallet \
--keep-sequence --remove-stopwords --token-regex "[\\p{Alpha}_]+" #--save-text-in-source
mallet-2.0.7/bin/mallet train-topics --input $outputDir/$posts.mallet \
--num-topics $topics --output-state $outputDir/topic-state.gz \
--output-topic-keys $outputDir/topics.txt --output-doc-topics $outputDir/document_composition.txt \
--topic-word-weights-file $outputDir/topic_word_weights.txt --num-top-words $numtopwords \
--optimize-interval 10 --word-topic-counts-file $outputDir/topic_counts.txt
Что касается деталей корпуса, то он содержит около 1000 файлов. каждый файл может содержать одно или несколько предложений. Корпус довольно маленький, размером около 1 МБ.