如何用mallet预测一批文档的主题

我用的是scala项目的木槌。在训练了主题模型并得到了推理器文件之后,我尝试将主题分配给新的文本。问题是我用不同的调用方法得到了不同的结果。以下是我尝试过的:

1. 创建一个新的InstanceList,只接收一个文档,并从InstanceList获取主题结果

   somecontentList.map(text=>getTopics(text, model))
   def getTopics(text:String, inferencer: TopicInferencer):Array[Double]={
       val testing = new InstanceList(pipe)
       testing.addThruPipe(new Instance(text, null, "test instance", null))
       inferencer.getSampledDistribution(testing.get(0), iter, 1, burnIn)
   }
   

2. val testing = new InstanceList(pipe)
   somecontentList.foreach(text=>
       testing.addThruPipe(new Instance(text, null, "test instance", null))
   )
   (0 until testing.size).map(i=> 
       ldaModel.getSampledDistribution(testing.get(i), 100, 1, 50))
   

这两种方法产生了非常不同的结果,除了第一个实例。使用推理机的正确方法是什么?

其他信息: 我检查了实例数据。

0: topic (0)
1: beaten (1)
2: death (2)
3: examples (3)
4: forum (4)
5: wanted (5)
6: contributing (6)

我假设括号中的数字是用于预测的单词的索引。当我将所有文本放入InstanceList时,索引是不同的,因为集合中有更多的文本。不确定在模型预测过程中如何准确地考虑这些信息。