如何将LDA主题限制为不同的术语？

Question

我正在使用gensim对类别为stats.ML的arXiv抽象语料库进行LDA

我的问题是主题之间有很多重叠（无论我选择5个，10个还是50个主题）。每个主题都有诸如“模型”，“算法”或“问题”之类的单词分布。如果这么多主题突出显示相同的术语，如何将它们视为可区分的？

使用pyLDAvis对我很有帮助。这是主题3的分发：

但是当我拒绝lambda = 0.08时，该主题的实际性质就出现了（医疗应用中的ML）：

所以我的问题是，在训练我的LDA模型（没有pyLDAvis）的过程中，如何发现这些独特的术语？而且，如果我能够忽略这些常见的，非歧视性的术语，该模型的性能（相对于可解释性）是否会得到改善？

我有几种想法可以尝试，但需要更多指导：

• 从我的词典中过滤出50个最常用的术语。虽然我认为这有所帮助，但我不确定这是否正确
• 在eta中调整gensim.models.LdaModel参数

我的目标是最终获取一个新文档，并根据与哪个主题相关的单词对单词进行着色，并提供与输入文档最相似的文档。

我对gensim很陌生，这是我的第一个SO问题，因此，如果我在某些方面完全落伍，请告诉我;-)。谢谢