MALLET简介

MALLET：基于Java语言的用于统计自然语言处理，文件分类，聚类，主题建模，信息提取，和其他的用于文本的机器学习应用的Java包。

MALLET包括复杂的用于 文件分类 的工具：

有效的用于转换文本到“特征”的 程序 ，多种多样的算法（包括朴素贝叶斯，最大熵，和决策树）。以及一些通用的指标用于评估分类器性能。

除了分类，MALLET包括序列标注的工具，像从文本中提供命名实体的应用。算法包括隐马尔科夫模型，最大熵马尔科夫模型，和条件随机场。这些方法在一个扩展的系统中实现，用于有限状态机转换器。

主题建模对于分析大规模的无标签文本集合非常有用。

MALLET中的主题建模（topic modeling）工具集包括有效的，基于采样的 Latent Dirichlet Allocation, Pachinko Allocation, and Hierarchical LDA的实现.

MALLET中的很多算法依赖于数值优化（NUmerical Optimization）。MALLET包括有效的有限内存BFGS的实现（在许多其他优化方法中），

除了复杂的机器学习应用，MALLET包括转换文本文件为数值表示，然后进行有效处理的程序。该处理是通过一种灵活的“pipes”系统来实现的。它处理各种不同的任务，像标记字符串，去除停顿词，转换序列为计数向量。

另外，MALLET的一种称为GRMM的附加包，包含对通用图形化模型中的推理的支持。利用任意图像结构来训练CRFs。

注：MALLET工具集是一个开源软件，基于CPL发布。