Question

我是自然语言处理的新手。我有一个博客标题列表，例如（不是真实的数据，但你明白了）：

docs = ["Places to Eat", "Places to Visit", "Top 10 Things to Do in Singapore"]...

大约有3000多个标题，我想在Python中使用LDA为每个标题生成主题。假设我已经使用nltk包清理并标记了这些文本并删除了停用词，我将最终得到：

texts = [["places","eat"],["places","visit"]]...

然后我继续将这些文本转换成词袋：

from gensim import corpora, models
dictionary = corpora.Dictionary(texts)

corpus = [dictionary.doc2bow(text) for text in texts]

语料库数据如下所示：

[(0, 1), (1, 1)]...

模型创建：

import gensim
ldamodel = gensim.models.ldamodel.LdaModel(corpus, num_topics=30, id2word = dictionary, passes=20)

如何使用此模型生成主题列表 - 例如每个标题的“吃”，“访问”等？我知道输出可能包含概率，但我想将它们与仅文本串在一起。

Answer 1

您可以使用

从gensim LDA中检索文档主题列表

Ldamodel.show_topics()

然后使用

对新文档进行分类

Ldamodel.get_document_topics(doc)

其中doc是文档袋子矢量。