ウィキペディア ドキュメント間の行の類似性を計算しようとしています。format の tf-idf ベクトルがありますKey class: class org.apache.hadoop.io.Text Value Class: class org.apache.mahout.math.VectorWritable
。ここからテキスト分析のクイック ツアーに従っています: https://cwiki.apache.org/confluence/display/MAHOUT/Quick+tour+of+text+analysis+using+the+Mahout+command+line
次のように mahout マトリックスを作成しました。
mahout rowid \
-i wikipedia-vectors/tfidf-vectors/part-r-00000
-o wikipedia-matrix
生成された行と列の数を取得しました:
vectors.RowIdJob: Wrote out matrix with 4587604 rows and 14121544 columns to wikipedia-matrix/matrix
行列の形式はKey class: class org.apache.hadoop.io.IntWritable Value Class: class org.apache.mahout.math.VectorWritable
docIndex
次の形式のドキュメントもあります。Key class: class org.apache.hadoop.io.IntWritable Value Class: class org.apache.hadoop.io.Text
次に、rowsimilarity ジョブを実行すると
mahout rowsimilarity
-i wikipedia-matrix/matrix
-o wikipedia-similarity
-r 4587604
--similarityClassname SIMILARITY_COSINE
-m 50
-ess
次のエラーが表示されます。
13/08/25 15:18:18 INFO mapred.JobClient: Task Id : attempt_201308161435_0364_m_000001_1, Status : FAILED
java.lang.ClassCastException: org.apache.hadoop.io.Text cannot be cast to org.apache.mahout.math.VectorWritable
at org.apache.mahout.math.hadoop.similarity.cooccurrence.RowSimilarityJob$VectorNormMapper.map(RowSimilarityJob.java:183)
at org.apache.hadoop.mapreduce.Mapper.run(Mapper.java:144)
at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:648)
at org.apache.hadoop.mapred.MapTask.run(MapTask.java:322)
at org.apache.hadoop.mapred.Child$4.run(Child.java:266)
at java.security.AccessController.doPrivileged(Native Method)
at javax.security.auth.Subject.doAs(Subject.java:396)
at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1278)
at org.apache.hadoop.mapred.Child.main(Child.java:260)
誰かが私にエラーを手伝ってくれますか? org.apache.hadoop.io.Text
入力行列が次の形式の場合、これがどこから来たのかわかりません Key class: class org.apache.hadoop.io.IntWritable Value Class: class org.apache.mahout.math.VectorWritable
どうもありがとうございました。
ベスト、ドラガン