我正在使用LDA或Hierarchical LDA创建语义空间。我正在制作约45000篇文章的集合，其中一些很长（例如，Moby Dick）。其他人相对较短。
我的计划是将文本分成更小的块，并将每个块视为“文档”，以便生成语义空间。
制作每份文件需要多长时间，有什么好的经验法则？我的理解是LDA [比LSI更多]更喜欢使用更长的文本，因此我不打算将文本分成段落，而是打算将它们分成段落和相邻的段落，直到我得到200个术语（在文本预先发布之后）处理，删除停用词等。）
这是一个很好的数字吗？
这将产生类似于3,800,000,000个培训文件。
LDA和HDP-LDA的答案有何不同？