所有
我在一组文档上运行Y！LDA（https://github.com/shravanmn/Yahoo_LDA），结果看起来很棒（或者至少是我期望的结果）。现在我想使用结果主题对语料库执行反向查询。有谁知道在运行learntopics可执行文件之后生成的3个人类可读文本文件是否是该库的最终输出？如果是这样，我需要解析什么才能执行查询？在这一点上，我被一个小肩膀耸了耸肩......
谢谢， 亚当
答案 0 :(得分：1)
如果LDA按照我认为的方式工作（我使用java实现，所以解释可能会有所不同）那么你得到的是以下三点：
P（单词，概念） - 给出一个概念的单词的概率。因此，当LDA完成确定语料库中存在哪些概念时，此P（w，c）将告诉您（理论上）哪些词映射到哪些概念。
一种非常天真的确定概念的方法是将此文件加载到矩阵中，并将某些方法的所有可能概念的所有这些概率组合在一起（加，乘，均方根）和排序顺序概念
请注意，上述方法无法识别LDA中由弱表示主题或主导主题引入的各种偏差。为了适应这种情况，您需要更复杂的算法（例如，Gibbs采样），但这将为您提供一些结果。
P（概念，文档） - 如果您试图在语料库中找到文档中的内在概念，您可以在这里查看。您可以将这些文档用作具有特定概念分布的文档示例，并将您的文档与LDA语料库文档进行比较......有用途，但它可能没有P（w，c）那么有用。
可能与单词，文档或概念的权重相关的其他内容。这可以像一组具有β权重（对于概念）的概念示例一样简单，或者从LDA输出的一些其他变量。根据您的工作，这些可能重要也可能不重要。 （如果您尝试将文档添加到LDA空间，具有alpha或beta值 - 非常重要。）
要回答“反向查询”问题，要确定测试文档的概念，请在测试文档中为每个单词w使用P（w，c）。
要确定哪个文档最像测试文档，请确定上述概念，然后将它们与P（c，d）中找到的每个文档的概念进行比较（将每个概念用作向量空间中的维度，然后确定两个文件之间的余弦往往可以正常工作。）
要确定两个文档之间的相似性，与上面相同，只需确定两个概念向量之间的余弦。
希望有所帮助。