r - lda.collapsed.gibbs.sampler 模型和热门词排名

Question

我有一个由函数lda.collapsed.gibbs.sampler生成的模型，来自 lda 包，我需要知道最重要的词的“相关性”。使用时

    top.topic.words(result$topics, 10, by.score=TRUE)

我得到了每个主题的前 10 个词的列表，但我想看看这 10 个词代表的主题百分比。我猜信息是存在的，因为有一个“分数”，但我对 Gibbs 采样器的统计方法并不是很熟悉。

提前致谢！

Answer 1

我认为这样的事情可能是你想要的：

for (ii in 1:nrow(result$topics)) {
  print(
    head(
      cumsum(
        sort(result$topics[ii,], decreasing=TRUE)
      ),
      n = 20
    ) / result$topic_sums[ii]
  ) 
}

让我们分解一下。如果你想要吉布斯分配的分数，那很容易。LDA 例程返回分配给每个（单词、主题）对的数量。因此，您所要做的就是对 的每一行进行排序result$topics以获得最热门的单词（这基本上就是top.topic.words您设置 时所做的事情by.score=FALSE）。将其按排序顺序排列后，您就可以看到，对于每个主题，该词相对于整个主题出现了多少计数。为此，我除以result$topic_sums包含该主题的作业总数。最后，我使用cumsum这样您就可以看到该主题中单词的运行总权重。