小编vpe*_*kar的帖子

根据MALLET 文档，可以逐步训练主题模型：

“ -output-model [FILENAME]此选项指定一个文件，用于写入序列化的MALLET主题培训者对象。这种类型的输出适合于暂停和重新开始培训”

我想在一组数据上训练主题，然后在另一组数据上增加模型。在两个训练步骤之后，我想输出两个数据集的状态（使用--output-state）。这是我尝试执行的操作：

# training on the first dataset
../mallet-2.0.7/bin/mallet import-dir --input input/ --keep-sequence --output input.mallet
../mallet-2.0.7/bin/mallet train-topics --input  input.mallet --num-topics 3 --output-state topic-state.gz --output-model model

# training on the second dataset
../mallet-2.0.7/bin/mallet import-dir --input input2/ --keep-sequence --output input2.mallet  --use-pipe-from input.mallet
../mallet-2.0.7/bin/mallet train-topics --input  input2.mallet --num-topics 3  --num-iterations 100 --output-state topic-state2.gz --input-model model

在上一个命令中，如果我添加“ --input-model model”，则第二个数据集中的数据不会出现在输出状态文件中。如果我不添加它，则第一状态数据集中的数据不会出现在输出状态文件中。

如果我尝试在代码中向模型添加其他实例：

model.addInstances(instances);
model.setNumThreads(2);
model.setNumIterations(50);
model.estimate();

[...]

model.addInstances(instances2);
model.setNumThreads(2);
model.setNumIterations(50);
model.estimate();

我收到一个错误：

Exception in thread "main" java.lang.ArrayIndexOutOfBoundsException: 30
    at cc.mallet.topics.ParallelTopicModel.buildInitialTypeTopicCounts(ParallelTopicModel.java:364)
    at …