Python：在同一管道中使用Gensim和Scikit

Question

我想在同一管道中使用Gensim和Scikit。

[更新] 语料库是根据经过修饰的标记列表doc.tokens

创建的

bowlist = []
for doc in linked_doc_list:
    bowlist.append(doc.tokens)

dictionary = corpora.Dictionary(bowlist)
corpus = [dictionary.doc2bow(line) for line in bowlist]

这涉及将Gensim语料库转换为numpy数组，如下所示：

 numpy_matrix = gensim.matutils.corpus2dense(package.corpus, num_terms=len(package.dict.token2id))

这似乎有效。 sklearn lda运行：

model = LatentDirichletAllocation(n_components=components,
                                          max_iter=maxiter,
                                          learning_method=learningmethod,
                                          learning_offset=learningoffset,
                                          random_state=randomstate,
                                          verbose=verbose).fit(numpy_matrix)

但是现在，要阅读结果，我需要阅读gensim dict的实际术语（否则，我将陷入毫无意义的特征编号）。

但是，以下代码的结果显然毫无意义。

 def filterAndReportResultsLDA(self, model, gensimdict, n_top_words=10):
     for topic_idx, topic in enumerate(model.components_):
         print("Topic %d:" % (topic_idx))
         words = []
         for i in topic.argsort()[:-n_top_words - 1:-1]:
            words.append(gensimdict[i])
         print(words)

示例结果是：

['reporting.', '7:23', 'users?', 'breaking', '5am', 'bell', 'c7n', 'content?', 'functions', 'vi']

有人可以告诉我我在做什么错吗？