[英]fixed-size topics vector in gensim LDA topic modelling for finding similar texts
[英]Select texts by topic (LDA)
是否可以查找某個主題內的文本(由 LDA 確定)?
我有一個包含 5 個主題的列表,每個主題 10 個單詞,是使用 lda 找到的。
我已經分析了數據框列中的文本。 我想選擇/過濾某個特定主題中的行/文本。
如果您需要更多信息,我會提供給您。
我指的是返回此 output 的步驟:
[(0,
'0.207*"house" + 0.137*"apartment" + 0.118*"sold" + 0.092*"beach" + '
'0.057*"kitchen" + 0.049*"rent" + 0.033*"landlord" + 0.026*"year" + '
'0.024*"bedroom" + 0.023*"home"'),
(1,
'0.270*"school" + 0.138*"homeworks" + 0.117*"students" + 0.084*"teacher" + '
'0.065*"pen" + 0.038*"books" + 0.022*"maths" + 0.020*"exercise" + '
'0.020*"friends" + 0.020*"college"'),
... ]
由...制作
# LDA Model
lda_model = gensim.models.ldamodel.LdaModel(corpus=corpus,
id2word=id2word,
num_topics=num_topics,
random_state=100,
update_every=1,
chunksize=100,
passes=10,
alpha='auto',
# alpha=[0.01]*num_topics,
per_word_topics=True,
eta=[0.01]*len(id2word.keys()))
from pprint import pprint
pprint(lda_model.print_topics())
doc_lda = lda_model[corpus]
包含已分析文本的原始列稱為Texts
,它看起來像:
Texts
"Children are happy to go to school..."
"The average price for buying a house is ... "
"Our children love parks so we should consider to buy an apartment nearby"
etc etc...
我預期的 output 將是
Texts Topic
"Children are happy to go to school..." 2
"The average price for buying a house is ... " 1
"Our children love parks so we should consider to buy an apartment nearby"
2
謝謝
doc_lda
包含每個句子的 (topic, score) 元組列表。 因此,您可以使用任何啟發式方法靈活地將主題分配給句子,例如簡單的啟發式方法將分配具有最高分數的主題。
我們可以通過這樣做來提取每個句子的主題分數:
topic_scores = [[topic_score[1] for topic_score in sent] for sent in doc_lda]
您還可以將上述內容轉換為 pandas dataframe ,其中每一行是一個句子,每一列是主題 ID。 dataframe 數據結構通常允許對主題分數句子關系進行靈活且更復雜的操作
df_topics = pd.DataFrame(topic_scores)
如果您只想分配一個句子中得分最高的主題,您可以這樣做:
max_topics = [max(sent, key=lambda x: x[1])[0] for sent in doc_lda]
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.