Spark MLlib LDA主题模型(1)

2024-08-20 21:32
文章标签 模型 主题 spark mllib lda

本文主要是介绍Spark MLlib LDA主题模型(1),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

http://blog.csdn.net/sunbow0/

Spark MLlib LDA主题模型是Spark1.3开始加入的,具体介绍看以下文档:

官方编程指南:

http://spark.apache.org/docs/latest/mllib-clustering.html#latent-dirichlet-allocation-lda

Spark MLlib LDA 简介:

http://blog.jobbole.com/86130/

关于LDA主题模型的理论知识讲解放在下期。

1.1 LDA实例

实例步骤:

1)加载数据

返回的数据格式为:documents: RDD[(Long, Vector)],其中:Long为文章ID,Vector为文章分词后的词向量;用户可以读取指定目录下的数据,通过分词以及数据格式的转换,转换成RDD[(Long, Vector)]即可。

2)建立模型

模型参数设置说明:

k: 主题数,或者聚类中心数

DocConcentration:文章分布的超参数(Dirichlet分布的参数),必需>1.0

TopicConcentration:主题分布的超参数(Dirichlet分布的参数),必需>1.0

MaxIterations:迭代次数

setSeed:随机种子

CheckpointInterval:迭代计算时检查点的间隔

Optimizer:优化计算方法,目前支持"em", "online"

3)结果输出

topicsMatrix以及topics(word,topic))输出。

实例代码如下: 

  1. import org.apache.log4j.{ Level, Logger }
  2. import org.apache.spark.{ SparkConf, SparkContext }
  3. import org.apache.spark.mllib.clustering.LDA
  4. import org.apache.spark.mllib.linalg.Vectors
  5. object lda {
  6. def main(args: Array[String]) {
  7. //0 构建Spark对象
  8. val conf = new SparkConf().setAppName( "lda")
  9. val sc = new SparkContext(conf)
  10. Logger.getRootLogger.setLevel(Level.WARN)
  11. //1 加载数据,返回的数据格式为:documents: RDD[(Long, Vector)]
  12. // 其中:Long为文章ID,Vector为文章分词后的词向量
  13. // 可以读取指定目录下的数据,通过分词以及数据格式的转换,转换成RDD[(Long, Vector)]即可
  14. val data = sc.textFile( "data/mllib/sample_lda_data.txt")
  15. val parsedData = data.map(s => Vectors.dense(s.trim.split( ' ').map(_.toDouble)))
  16. // Index documents with unique IDs
  17. val corpus = parsedData.zipWithIndex.map(_.swap).cache()
  18. //2 建立模型,设置训练参数,训练模型
  19. /**
  20. * k: 主题数,或者聚类中心数
  21. * DocConcentration:文章分布的超参数(Dirichlet分布的参数),必需>1.0
  22. * TopicConcentration:主题分布的超参数(Dirichlet分布的参数),必需>1.0
  23. * MaxIterations:迭代次数
  24. * setSeed:随机种子
  25. * CheckpointInterval:迭代计算时检查点的间隔
  26. * Optimizer:优化计算方法,目前支持"em", "online"
  27. */
  28. val ldaModel = new LDA().
  29. setK( 3).
  30. setDocConcentration( 5).
  31. setTopicConcentration( 5).
  32. setMaxIterations( 20).
  33. setSeed( 0L).
  34. setCheckpointInterval( 10).
  35. setOptimizer( "em").
  36. run(corpus)
  37. //3 模型输出,模型参数输出,结果输出
  38. // Output topics. Each is a distribution over words (matching word count vectors)
  39. println( "Learned topics (as distributions over vocab of " + ldaModel.vocabSize + " words):")
  40. val topics = ldaModel. topicsMatrix
  41. for (topic <- Range(0, 3)) {
  42. print( "Topic " + topic + ":")
  43. for (word <- Range( 0, ldaModel.vocabSize)) { print( " " + topics(word, topic)); }
  44. println()
  45. }
  46. }
  47. }

转载请注明出处:

http://blog.csdn.net/sunbow0/

这篇关于Spark MLlib LDA主题模型(1)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1091223

相关文章

Java的IO模型、Netty原理解析

《Java的IO模型、Netty原理解析》Java的I/O是以流的方式进行数据输入输出的,Java的类库涉及很多领域的IO内容:标准的输入输出,文件的操作、网络上的数据传输流、字符串流、对象流等,这篇... 目录1.什么是IO2.同步与异步、阻塞与非阻塞3.三种IO模型BIO(blocking I/O)NI

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

SpringBoot快速接入OpenAI大模型的方法(JDK8)

《SpringBoot快速接入OpenAI大模型的方法(JDK8)》本文介绍了如何使用AI4J快速接入OpenAI大模型,并展示了如何实现流式与非流式的输出,以及对函数调用的使用,AI4J支持JDK8... 目录使用AI4J快速接入OpenAI大模型介绍AI4J-github快速使用创建SpringBoot

0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型的操作流程

《0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeekR1模型的操作流程》DeepSeekR1模型凭借其强大的自然语言处理能力,在未来具有广阔的应用前景,有望在多个领域发... 目录0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型,3步搞定一个应

Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

《DeepseekR1模型本地化部署+API接口调用详细教程(释放AI生产力)》本文介绍了本地部署DeepSeekR1模型和通过API调用将其集成到VSCode中的过程,作者详细步骤展示了如何下载和... 目录前言一、deepseek R1模型与chatGPT o1系列模型对比二、本地部署步骤1.安装oll

Spring AI Alibaba接入大模型时的依赖问题小结

《SpringAIAlibaba接入大模型时的依赖问题小结》文章介绍了如何在pom.xml文件中配置SpringAIAlibaba依赖,并提供了一个示例pom.xml文件,同时,建议将Maven仓... 目录(一)pom.XML文件:(二)application.yml配置文件(一)pom.xml文件:首

如何在本地部署 DeepSeek Janus Pro 文生图大模型

《如何在本地部署DeepSeekJanusPro文生图大模型》DeepSeekJanusPro模型在本地成功部署,支持图片理解和文生图功能,通过Gradio界面进行交互,展示了其强大的多模态处... 目录什么是 Janus Pro1. 安装 conda2. 创建 python 虚拟环境3. 克隆 janus

本地私有化部署DeepSeek模型的详细教程

《本地私有化部署DeepSeek模型的详细教程》DeepSeek模型是一种强大的语言模型,本地私有化部署可以让用户在自己的环境中安全、高效地使用该模型,避免数据传输到外部带来的安全风险,同时也能根据自... 目录一、引言二、环境准备(一)硬件要求(二)软件要求(三)创建虚拟环境三、安装依赖库四、获取 Dee

DeepSeek模型本地部署的详细教程

《DeepSeek模型本地部署的详细教程》DeepSeek作为一款开源且性能强大的大语言模型,提供了灵活的本地部署方案,让用户能够在本地环境中高效运行模型,同时保护数据隐私,在本地成功部署DeepSe... 目录一、环境准备(一)硬件需求(二)软件依赖二、安装Ollama三、下载并部署DeepSeek模型选