语料库的总体主题分布，而不是单个文档

Question

我正在使用gensim LDA进行主题建模。 我需要获取语料库的主题分布，而不是单个文档。 假设我有1000个文档，它们属于10个不同的类别（每个类别说100个文档）。 在训练了LDA模型总共1000个文档之后，我想看看每个类别的主要主题。下图说明了我的数据集和目标。

到目前为止，我可以想到两种方法，但是我不确定哪一种方法都是理智的，我很高兴知道是否有更好的方法。

在第一种方法中，我可以将每个类别的文档合并为一个大文档。因此，只有10个大型文档，因此对于每个文档，我将能够检索其主题分布。

另一种方法可能是获取所有文档的主题分布，而无需连接文档。因此，对于每个类别，我们将有100个文档主题分布。为了获得每个类别的主要主题，我可以对每个主题的概率求和，并且只获得得分最高的几个主题。 我不确定这些方法是否正确，您会提出什么建议？

Answer 1

在方法1）中，您正在串联文档（可能具有不同的长度），并获得一个大文档的主题。因此，较小文档的重要性可能会降低。

在方法2中，所有长度的文档都具有几乎同等的重要性（取决于您如何组合主题分布）

您需要使用的方法取决于您的用例。