标签： python-3.x nlp gensim lda topic-modeling
我正在使用LDA进行主题建模，但不幸的是我的数据严重偏斜。我有来自10个不同类别的文档，希望每个类别对LDA主题同样有贡献。
但是，每个类别都有不同数量的文档（例如，一个类别占整个文档的50％以上，而几个类别仅占文档的1-2％）。
将权重分配给这些类别的最佳方法是什么，以便它们同样有助于我的主题？如果我不这样做就运行LDA，则我的主题将主要基于类别，该类别占语料库中文档的50％以上。我正在研究上采样，但希望使用一种直接在LDA中分配权重的解决方案。