Eclipse下JGibbLDA使用總結

最近在用LAD做詞語間相似性的計算，之前一直用GibbsLDA（C++版本）在linux伺服器上運行，後來發現有個java版本的，於是轉用java版本。下面首先介紹一下使用方法，然後說一說使用過程中遇到的問題。

（1）匯入工程

首先從http://sourceforge.net/projects/jgibblda/下載GibbsLDA工程，然後解壓縮在Eclipse的工作空間下。在file下點擊import

選擇已有的工程，點擊next。

點擊browse，彈出對話方塊，選擇剛剛LDA工程解壓縮的地方，點擊“確定”，然後finish。這樣工程的匯入就完成了。

（2）運行LDA

運行LAD前要準備好資料，並以LAD的輸入格式儲存。第一行為文檔數，下面的每一行為一篇文檔，詞語詞之間用空格間隔。如果是處理中文文檔，要事先做好分詞。

之後還需要配置參數，點擊“run”--->“run configurations”

在Argument處輸入“-est -alpha 0.2 -beta 0.1 -ntopics 10 -niters 1000 -savestep 100 -twords 5 -dir  models\casestudy -dfile "new.txt"”，參數的具體含義看官方說明：http://jgibblda.sourceforge.net/。點擊 apply---->run。

出現下圖就是運行成功

（3）運行時出現的問題

最後講一下我在整個使用過程中遇到的問題

1、參數配置時沒寫“dir  models\casestudy”，唯寫“-dfile models\casestudy\new.txt 會報找不到檔案，如果改為new.txt的絕對路徑，雖然不報錯 了，但是不知道他的輸出結果儲存在哪裡。所以這個“dir  models\casestudy”用處還是挺大的，輸出結果直接儲存在該檔案夾底下

2、中文亂碼。由於之前直接使用java代碼產生new.txt，沒有設定編碼，預設是ANSI，導致LDA的輸出結果是亂碼。

解決辦法：儲存為UTF-8