我不想将 topic_word_prior 设置为参数,而是想根据预定义的单词分布来初始化主题。我如何在 sklearn 的实现中设置这个初始主题分布?如果不可能,是否有更好的实现可以考虑?
最佳答案
如果您在预训练模型中有预定义的单词分布,则只需将 Bow_corpus 作为函数传递到该分布即可。 Gensims LDA 和 LDAMallet 都可以训练一次,然后您可以传递新的数据集进行分配,而无需更改主题。
步骤:
- 导入您的数据
- 清理数据:剔除标点符号、数字、词形还原、删除停用词和词干
创建字典
dictionary = gensim.corpora.Dictionary(processed_docs[:]) dictionary.filter_extremes(no_below=15, no_above=0.5, keep_n=100000)
定义弓语料库
bow_corpus = [dictionary.doc2bow(doc) for doc in processed_docs]
训练您的模型 - 如果已经训练过则跳过
ldamallet = gensim.models.wrappers.LdaMallet(mallet_path, corpus=bow_corpus, num_topics=15, id2word=dictionary)
导入新数据并按照步骤 1-4 操作
通过模型传递新数据,如下所示:
ldamallet[bow_corpus_new[:len(bow_corpus_new)]]
您的新数据现已分配,您可以将其放入 CSV 中
关于machine-learning - 是否可以为 scikit-learn LDA 设置初始主题分配?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55753444/