Question

我正在用Python运行lda库，我正在运行这个例子。有谁知道X，词汇和标题的格式？我找不到文档。

import numpy as np
import lda
X = lda.datasets.load_reuters()
vocab = lda.datasets.load_reuters_vocab()
titles = lda.datasets.load_reuters_titles()

Answer 1

X是一个矩阵，其中行是标题，而列是词汇。它是标题文字的一个单词表示。

X
Out[8]: 
array([[1, 0, 1, ..., 0, 0, 0],
       [7, 0, 2, ..., 0, 0, 0],
       [0, 0, 0, ..., 0, 0, 0],
       ..., 
       [1, 0, 1, ..., 0, 0, 0],
       [1, 0, 1, ..., 0, 0, 0],
       [1, 0, 1, ..., 0, 0, 0]], dtype=int32)

在上面的矩阵中，每一行都是一个单独标题的单词表示。每列代表一个特定的单词示例。

vocab[:5]
Out[5]: ('church', 'pope', 'years', 'people', 'mother')

因此，X矩阵中的每一行i，col j给出第i个标题中特定单词的频率。

titles[:1]
Out[11]: ('0 UK: Prince Charles spearheads British royal revolution. LONDON 1996-08-20',)

标题U：查尔斯王子......提到教会一次，教皇0次，年一次，等等。

In [13]: type(titles)
Out[13]: tuple

In [14]: type(vocab)
Out[14]: tuple

In [15]: type(X)
Out[15]: numpy.ndarray

LDA与Python - 输入文件

1 个答案: