我已经设置了数据来输入Apache Spark LDA模型。我遇到的问题是将列表转换为密集向量，因为我的RDD中包含一些字母数字值。当尝试运行示例代码时，我收到的错误与将字符串转换为浮点数有关。

鉴于我对密集向量和浮点数的了解，我理解这个错误，但既然这是个主题模型，就应该有办法将这些字符串值加载到LDA模型中。

我应该先说明我对Python和Spark是新手，所以如果我误解了什么，我深表歉意。我会在下面添加我的代码。提前感谢！

示例

https://spark.apache.org/docs/latest/mllib-clustering.html#latent-dirichlet-allocation-lda

代码：

>>> rdd = rdd5.take(3)[[u'11394071', u'11052103', u'11052101'], [u'11847272', u'11847272', u'11847272', u'11847272', u'11847272', u'11847272', u'11847272', u'11847272', u'11847272', u'11847272', u'999999', u'11847272', u'11847272', u'11847272', u'11847272', u'11847272', u'11847272', u'11847272', u'11847272', u'11847272', u'11847272'], [u'af1lowprm1704', u'af1lowprm1704', u'af1lowprm1704', u'af1lowprm1704', u'af1lowprm1704', u'am1prm17', u'am1prm17', u'af1highprm1704', u'af1highprm1704']]>>> parsedData = rdd.map(lambda line: Vectors.dense([float(x) for x in line]))ValueError: could not convert string to float: af1lowprm1704

代码修复后的下一步：

# 使用唯一ID索引文档corpus = parsedData.zipWithIndex().map(lambda x: [x[1], x[0]]).cache()# 使用LDA将文档聚类为三个主题ldaModel = LDA.train(corpus, k=3)

回答：

您确实误解了这个示例：文件sample_lda_data.txt并不包含文本（查看它），而是已经从语料库中提取的词频向量。这在示例前的文本中已有说明：

在下面的示例中，我们加载代表文档语料库的词频向量。

因此，您需要先从您自己的语料库中获取这些词频向量，然后再按照您尝试的方式进行操作。