如何使用csr_matrix初始化gensim語料庫變量？

Question

我有X作為csr_matrix，我使用scikit的tfidf矢量化器獲得，y是一個數組

我的計划是使用LDA創建功能，但是，我沒有找到如何使用X作為csr_matrix初始化gensim的語料庫變量。 換句話說，我不想下載gensim文檔中顯示的語料庫，也不想將X轉換為密集矩陣，因為它會消耗大量內存並且計算機可能會掛起。

簡而言之，我的問題如下，

1. 如果我有一個代表整個語料庫的csr_matrix（稀疏），你如何初始化gensim語料庫？
2. 你如何使用LDA提取功能？

Answer 1

Gensim有一個半隱藏的功能，可以為你做這件事：

http://radimrehurek.com/gensim/matutils.html#gensim.matutils.Sparse2Corpus

“class gensim.matutils.Sparse2Corpus（sparse，documents_columns = True）將scipy.sparse格式的矩陣轉換為流式gensim語料庫。”

我使用用CountVectorizer提取的語料庫，然后加載到gensim中，我取得了一些成功。