mallet环境配置

最近要使用LDA提取主题，mallet是基于Java的机器学习包，可以用于自然语言处理、文本分类、主题建模等。

1、配置Java环境

      下载相应版本的jdk，例如jdk1.7.0_11。

     解压之后放置在d:\jdk1.7.0_11。

     设置JAVA_HOME=d:\jdk1.7.0_11

             PATH=.;%JAVA_HOME%\bin

             CLASSPATH=.;%JAVA_HOME%/lib/tools.jar;%JAVA_HOME%/lib/dt.jar  

2、配置ant环境

    下载ant，解压到d:下

     设置ANT_HOME=d:\apache-ant-1.9.4

            添加CLASSPATH=%ANT_HOME%\lib

            添加PATH=%ANT_HOME%\bin

     测试：cmd下输入ant，出现下面的结果表示成功

     Buildfile : build.xml does not exist! 
    Build failed

3、安装mallet

    将mallet解压到d:\mallet-2.0.7

    设置MALLET_HOME=%d:\mallet-2.0.7%

    添加PATH=%MALLET_HOME%/bin

 添加CLASSPATH=%MALLET_HOME%/class;%MALLET_HOME%/lib;%MALLET_HOME%/lib/mallet-deps.jar

 运行 à cmd ，进入到 mallet 的解压目录

  输入 ant，如果出现 Build successful 字 样，则表示配置成功

4、mallet使用

 准备好一个文件夹 test，里面放置好一些文件。就可以提取这些文件的主题

 E:\>mallet import-dir --input e:\test --output e:\result\data.mallet --keep-seqence --remove-stopwords

 E:\>mallet train-topics --input e:\result\data.mallet --num-topics 1 --num-top-words 30 --optimize-interval 20 --output-topic-        keys e:\result\data.txt --xml-topic-phrase-report e:\result\data.xml