Eclipse下JGibbLDA使用总结

最近在用LAD做词语间相似度的计算，之前一直用GibbsLDA（C++版本）在linux服务器上运行，后来发现有个java版本的，于是转用java版本。下面首先介绍一下使用方法，然后说一说使用过程中遇到的问题。

（1）导入工程

首先从http://sourceforge.net/projects/jgibblda/下载GibbsLDA工程，然后解压缩在Eclipse的工作空间下。在file下点击import

选择已有的工程，点击next。

点击browse，弹出对话框，选择刚刚LDA工程解压缩的地方，点击“确定”，然后finish。这样工程的导入就完成了。

（2）运行LDA

运行LAD前要准备好数据，并以LAD的输入格式保存。第一行为文档数，下面的每一行为一篇文档，词语词之间用空格间隔。如果是处理中文文档，要事先做好分词。

之后还需要配置参数，点击“run”--->“run configurations”

在Argument处输入“-est -alpha 0.2 -beta 0.1 -ntopics 10 -niters 1000 -savestep 100 -twords 5 -dir  models\casestudy -dfile "new.txt"”，参数的具体含义看官方说明：http://jgibblda.sourceforge.net/。点击 apply---->run。

出现下图就是运行成功

（3）运行时出现的问题

最后讲一下我在整个使用过程中遇到的问题

1、参数配置时没写“dir  models\casestudy”，只写“-dfile models\casestudy\new.txt 会报找不到文件，如果改为new.txt的绝对路径，虽然不报错 了，但是不知道他的输出结果保存在哪里。所以这个“dir  models\casestudy”用处还是挺大的，输出结果直接保存在该文件夹底下

2、中文乱码。由于之前直接使用java代码生成new.txt，没有设置编码，默认是ANSI，导致LDA的输出结果是乱码。

解决办法：保存为UTF-8