问seq2sparse似乎忽略了我的"-x“参数的值

EN

出于测试目的，我在一个伪分布式hadoop安装上使用了mahout 0.7。

我正在做的很多事情都是由Mahout in Action指导的，我知道它处理的是0.5，但据我所知，seq2sparse没有什么重大变化。

我对seq2sparse生成的tfidf向量有问题。无论我将"-x“(最大文档频率百分比)设置为什么值，最终都会得到相同数量的词典中的词条和相同大小的向量。

我发现了一篇关于mahout 0.6的帖子，其中-x被解析为文档的绝对数，而不是文档的百分比。这应该已经在0.7中修复了，但我也尝试过以这种方式使用它，看看它是否会有帮助。我得到的词条数量没有变化。以下是我尝试过的值，以及我最终得到的项数。我的数据集是4850篇维基百科文章来自：http://dumps.wikimedia.org/enwiki/20110803/

确切的文件是: pages-articles1.xml.bz2

使用以下命令将xml文件转换为seqfile：

mahout seqwiki -all -i <path to xml file> -o <path to output directory>

我对seq2sparse的调用如下所示：

mahout seq2sparse -i <seq directory> -o <out dir> -ow -wt tfidf -x 4800 -nv

我的结果：

|-x value| #of terms |
|4800    |  256623   |
|4600    |  256623   |
|2500    |  256623   |
|99      |  256623   |
|90      |  256623   |
|25      |  256623   |
|5       |  256623   |

知道我哪里做错了吗？