我有一个使用MALLET训练的LDA主题模型，但是我想计算两个文档之间的余弦相似度以获得相似度，但是我不确定我要计算MALLET输出的哪个文件的余弦。
我的余弦相似度函数工作正常，但不确定我在MALLET中进行比较。
任何帮助，将不胜感激！
最佳答案
每个文档将由其主题构成来表示，因此您必须进行比较。使用--output-doc-topics参数以获取所需的文件。
行是文档，列是文档中每个主题的比例。在当前版本（2.0.8）中，列按主题ID升序排序-否则，它们从最高概率到最低概率进行排序。
除了余弦相似度之外，您还应该考虑其他指标，例如（对称）Kullback-Leibler散度或Hellinger距离。