在Python中使用Gensim進行主題建模

Question

我有兩節課的單詞表。 說出A類中的 n個項目和B類中的 m個項目。 我想在python中使用帶有gensim包（適用於LDA）的主題建模，以便為A類與B類進行訓練。同時，我對Topic Modeling和Python還是陌生的 。 有人知道我該怎么做嗎？ 我的意思是，我應該合並每個班級和使用gensim的所有袋子嗎？還是應該分別為每個項目使用袋子？ 謝謝！

Answer 1

如果我對您的理解正確，則希望比較兩個來源的文檔。

用Gensim做到這一點的一種方法是：

• 從所有文檔（A和B）創建單詞語料庫（〜將文本轉換為1和0的X n矩陣）
• 在您的語料庫上訓練LDA模型（〜查找主題）
• 將語料庫轉換為LDA空間（〜確定與文檔相關的主題）

現在，您可以查看每個文檔的主題分布，並使用Gensim的相似度方法確定兩個文檔的相似度。

有關詳細信息，請參閱Gensim的教程 。 您唯一需要做的修改就是將A和B中的文檔合並為一個更大的文檔，並將索引保​​存在某個位置，以便以后可以輕松比較它們。

但是，根據您的數據和目標，其他形式的LDA（例如相關主題模型）可能更合適。