R - 将预编码训练集合到lda模型中

Question

我试图使用topicmodels包中的LDA函数将调查问题列表分配到30个不同的类别。

我到目前为止的代码是：

source <- VectorSource(openended$q2)
corpus <- Corpus(source)

corpus <- tm_map(corpus, content_transformer(tolower))
corpus <- tm_map(corpus, removeNumbers)
corpus <- tm_map(corpus, removePunctuation)
corpus <- tm_map(corpus, stripWhitespace)
corpus <- tm_map(corpus, removeWords, stopwords('english'))
corpus <- tm_map(corpus, stemDocument, language = "english")

mat <- DocumentTermMatrix(corpus)
rowTotals <- apply(mat , 1, sum) 
mat <- mat[rowTotals> 0, ]

burnin <- 4000
iter <- 2000
thin <- 500
seed <-list(2003,5,63,100001,765)
nstart <- 5
best <- TRUE

k <- 30

ldaOut <-LDA(mat,k, method="Gibbs", control=list(nstart=nstart, seed = seed, 
best=best, burnin = burnin, iter = iter, thin=thin))
ldaOut.topics <- as.matrix(topics(ldaOut))
write.csv(ldaOut.topics,file=paste("LDAGibbs",k,"DocsToTopics.csv"))

我已经有10％的数据在开放的$ q2中进行了适当编码，如何使用该数据训练算法？

谢谢！