通过一些客户评论，我得出了语料库中的重要主题[成本、副作用、生效时间]。现在对于每个主题，我想用这种方式进行情感分析：导出n个具有独立含义且与主题相关的克。例如，如您所见，图中有 3 个主题。在“time to take effect”主题中，“a while”或“not immediate”等短语是相关的 ngram。
我在 Python 中所做的：对于每个主题，我手动将语料库分为 2 个层次，
- 带有与主题相关的单词的句子
- 没有与主题相关的单词的句子
然后对于每个单词，我计算了过度索引，希望我们希望在句子中被过度索引的单词。（例如 ['It', 0.001] ['is', 0.001], ['n't', 0.002], ['immediate', 0.042], ['but', 0.002], ['it', 0.001 ], ['does',0.002], ['work', 0.002]) 但这不起作用，因为与主题无关的其他一些词具有非常高的过度索引值。
有没有其他选择可以推导出与主题相关的 n-gram？我的最终目标是产生这样的东西：
