Question

我想计算LDA主题之间的余弦相似度。事实上，gensim函数.matutils.cossim可以做到，但我不知道我可以使用哪个参数（向量）？

以下是代码片段：

import numpy as np
import lda
from sklearn.feature_extraction.text import CountVectorizer

cvectorizer = CountVectorizer(min_df=4, max_features=10000, stop_words='english')
cvz = cvectorizer.fit_transform(tweet_texts_processed)

n_topics = 8
n_iter = 500
lda_model = lda.LDA(n_topics=n_topics, n_iter=n_iter)
X_topics = lda_model.fit_transform(cvz)

n_top_words = 6
topic_summaries = []

topic_word = lda_model.topic_word_  # get the topic words
vocab = cvectorizer.get_feature_names()
for i, topic_dist in enumerate(topic_word):
    topic_words = np.array(vocab)[np.argsort(topic_dist)][:-(n_top_words+1):-1]
    topic_summaries.append(' '.join(topic_words))
    print('Topic {}: {}'.format(i, ' '.join(topic_words)))

doc_topic = lda_model.doc_topic_
lda_keys = []
for i, tweet in enumerate(tweets):
    lda_keys += [X_topics[i].argmax()]

import gensim
from gensim import corpora, models, similarities
#Cosine Similarity between LDA topics
 **sim = gensim.matutils.cossim(LDA_topic[1], LDA_topic[2])**

Answer 1

您可以使用词主题分布向量。您需要两个主题向量具有相同的维度，并且元组的第一个元素为 int，第二个元素为 float。

vec1 (list of (int, float))

所以第一个元素是 word_id，你可以在模型的 id2word 变量中找到它。如果你有两个模型，你需要联合字典。您的向量必须是：

[(1, 0.541223), (2, 0.44123)]

然后你可以比较它们。

余弦相似度和LDA主题

1 个答案: