我想知道当我们在 gensim 中使用 LDA 推理文档时,它是要使用的 TFIDF 语料库还是仅要使用的语料库
举个例子
from gensim import corpora, models
import numpy.random
numpy.random.seed(10)
doc0 = [(0, 1), (1, 1)]
doc1 = [(0,1)]
doc2 = [(0, 1), (1, 1)]
doc3 = [(0, 3), (1, 1)]
corpus = [doc0,doc1,doc2,doc3]
dictionary = corpora.Dictionary(corpus)
tfidf = models.TfidfModel(corpus)
corpus_tfidf = tfidf[corpus]
corpus_tfidf.save('x.corpus_tfidf')
corpus_tfidf = corpora.MmCorpus.load('x.corpus_tfidf')
lda = models.ldamodel.LdaModel(corpus_tfidf, id2word=dictionary, num_topics=2)
#which one i should use from this
**corpus_lda = lda[corpus]** #this one
**corpus_LDA = lda[corpus_tfidf ]** #or this one?
corpus_lda.save('x.corpus_lda')
for i,j in enumerate(corpus_lda):
print j, corpus[i]
最佳答案
根据 Gensim's mailing list (特别是最后一篇文章)标准程序是使用词袋语料库。你可以使用 TF-IDF 语料库,但似乎不清楚这会产生什么样的效果。
关于python - 我应该使用 tfidf 语料库还是仅使用语料库来使用 LDA 推断文档?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27147690/