出现在lda中所有主题的单词

Question

我正在使用gensim lda进行主题建模并获得如下结果：

主题1：word1 word2 word3 word4

主题2：word4 word1 word2 word5

主题3：word1 word4 word5 word6

但是，在相同的lda上使用mallet不会在主题之间产生重复的单词。我有大约20个文件，每个文字都有> 1000个单词，我培训了lda。如何摆脱多个主题中出现的单词？

Answer 1

在LDA中，所有单词都是所有主题的一部分，但概率不同。你可以定义你的单词打印的最小概率，但如果mallet在主题中没有提出至少几个“重复”单词，我会非常惊讶。确保对gensim和mallet使用相同的参数。