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？

Question

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]

Answer 1

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。