怎么使用PLDA进行文本聚类
先贴文档哈（http://www.yushanfang.com/portal/help/doc.html?spm=0.0.0.0.nha8ts&file=SuanFaPingTai），在文档里搜PLDA可以看到算法的一些信息。
算法是对数据进行文本聚类，咱们从数据的源头开始一步步做下来。
1，获得分词后的结果表，可以简单用这个实现：
这里的输出表1_1是一个docid+word+count的结果
2，因为上面的表的输出是word是字符串，而PLDA输入的稀疏矩阵的KV结构要求是BIGINT:DOUBLE，所以需要把String转成Bigint。这里建立一个数字和word的一一对应关系。中间怎么处理就看你实现了。可以筛选出自己认为重要的词后，用<数据预处理>里的<序列追加>组件。而Double类型的地方，在PLDA里需要传入的是单词的词频。
我这里的结果表弄成是weibo_blog_data_train_1_wid ，里面的数据结构是word(string)+rn(bigint)。
3，把结果整理成一张PLDA的输入表。文档里提到可以写MR，但是也可以用更加方便的方法（我这里用了mapjoin(b)是因为我筛选出来的b表数据比较少）：
create table weibo_plda_in as
select /*+mapjoin(b) */
a.mid,WM_CONCAT(',',concat(b.rn,':',a.count)) as content
from
weibo_wc_1_1 a
join weibo_blog_data_train_1_wid b
on a.word =b.word
group by a.mid
4，用PLDA跑数据吧，哈哈。
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
根据您的请求，我将为您提供关于同步检测和异步检测接口的使用说明，以及如何将Markdown内容导出为Word文档的方法。以下是详细信息：
同步检测接口使用说明
请求参数： - bizType（业务场景标识）：非必填，用于标识您的业务场景。 - scenes（应用场景）：必填，指定图片检测的应用场景，目前仅支持sface-1。 - tasks（检测任务列表）：必填，JSON数组，每个元素代表一个检测任务，包含待检测图片的URL等信息。注意，每次请求最多支持100个任务。
返回数据结构： - 每个检测任务的响应包括code（错误码）、msg（响应消息）、dataId（请求中的dataId）、taskId（检测任务ID）、url（检测对象URL）等字段。 - results字段内含检测结果详情，如scene（风险场景）、label（分类结果）、suggestion（操作建议）、rate（概率）等。
异步检测结果查询
返回数据： - 包括code（错误码）、msg（响应消息）、dataId（检测对象对应的数据ID，如果请求时提供）、taskId（检测任务ID）。
Markdown转换为Word文档方法
- 添加第三方库：引入Marked库，它能将Markdown文本转换成HTML。
- 配置预加载JS：定义一个函数
convert，负责将Markdown内容转换并下载为Word文档。 - 调用转换函数：在需要的地方调用
convert函数，传入Markdown内容和期望的文件名即可完成转换。
请注意，实际应用中需确保遵循各接口的限制与要求，比如图片URL长度、并发任务数及OSS存储空间授权等。同时，在处理Markdown转Word功能时，正确引用和初始化相关脚本是成功转换的前提。
