Question

我现在正在通过LDA（Latent Dirichlet Allocation）主题建模方法来帮助从一组文档中提取主题。从我从下面的链接中理解，这是一种无监督的学习方法，用提取的主题对每个文档进行分类/标记。

Topic extraction with Non-negative Matrix Factorization and Latent Dirichlet Allocation

在该链接中给出的示例代码中，定义了一个函数来获取与所识别的每个主题相关联的顶部单词。

sklearn.__version__

出[41]：'0.17'

from sklearn.decomposition import LatentDirichletAllocation 


def print_top_words(model, feature_names, n_top_words):
    for topic_idx, topic in enumerate(model.components_):
        print("Topic #%d:" % topic_idx)
        print(" ".join([feature_names[i]
                        for i in topic.argsort()[:-n_top_words - 1:-1]]))
    print()

print("\nTopics in LDA model:")
tf_feature_names = tf_vectorizer.get_feature_names()
print_top_words(lda, tf_feature_names, n_top_words)

我的问题是这个。是否构建模型LDA的任何组件或矩阵，我们可以从哪里获得文档主题关联？

例如，我需要找到与每个文档相关联的前2个主题作为该文档的文档标签/类别。是否有任何组件可以在文档中查找主题分布，类似于model.components_用于查找主题中的单词分布。

Answer 1

您可以使用LDA类的transform（X）函数计算文档主题关联。

在示例代码中，这将是：

doc_topic_distrib = lda.transform(tf)

使用lda拟合的lda，以及tf要转换的输入数据

主题建模 - 将具有前2个主题的文档指定为类别标签 - sklearn Latent Dirichlet Allocation

1 个答案: