0

我很欣赏 Ben 的回答：LDA with topicmodels，我如何查看不同文档属于哪些主题？

我的问题是：如何在最后一步保留文档标题？例如：

在单独的文本文件中手动创建三个 .txt 文档并将它们存储在目录 ~Desktop/nature_corpus 中

第一个文件标题：nature.txt

第一篇文献内容：名词the natural world、Mother Nature、Mother Earth、the environment；野生动物、动植物、乡村；宇宙，宇宙。

第二个文件标题：conservation.txt

第二文件内容：名词theconservation oftropical forests：preservation,protection,protecting,safekeeping；照料、监护、饲养、监督；保养、维护、修理、修复；生态学，环保主义。

第三个文件标题：bird.txt

第三文献正文：名词养鸟：家禽；雏鸟、雏鸟、雏鸟；非正式的羽毛朋友，小鸟；鹦鹉; （鸟类）技术鸟类。

#install.packages("tm")
#install.packages("topicmodels")
library(tm)
# Create DTM
#. The file path is a Mac file path.
corpus_nature_1 <- Corpus(DirSource("/Users/[home folder name]/Desktop/nature_corpus"),readerControl=list(reader=readPlain,language="en US")) 
corpus_nature_2 <- tm_map(corpus_nature_1,removeNumbers)
corpus_nature_3 <- tm_map(corpus_nature_2,content_transformer(tolower))
mystopwords <- c(stopwords(),"noun", "verb")
corpus_nature_4 <- tm_map(corpus_nature_3,removeWords, mystopwords)
corpus_nature_5 <- tm_map(corpus_nature_4,removePunctuation)
corpus_nature_6 <- tm_map(corpus_nature_5,stripWhitespace)
dtm_nature_1 <- DocumentTermMatrix(corpus_nature_6)

inspect(dtm_nature_1)
<<DocumentTermMatrix (documents: 3, terms: 42)>>
  Non-/sparse entries: 42/84
Sparsity           : 67%
Maximal term length: 16
Weighting          : term frequency (tf)
Sample             :
  Terms
Docs               avifauna birdie birds budgie chick feathered feeding fledgling fowl mother
bird.txt                1      1     2      1     1         1       1         1    1      0
conservation.txt        0      0     0      0     0         0       0         0    0      0
nature.txt              0      0     0      0     0         0       0         0    0      2

主题模型与 topicmodels 一起运行：

# Run topic model 2 topics
library(topicmodels)
topicmodels_LDA_nature_2 <- LDA(dtm_nature_1,2,method="Gibbs",control=list(seed=1),model=NULL)
terms(topicmodels_LDA_nature_2,3)
     Topic 1  Topic 2   
[1,] "birds"  "avifauna"
[2,] "mother" "birdie"  
[3,] "chick"  "budgie"

如何在此处保留文档标题（在 inspect(dtm_nature_1) 行中可见）？

# Create CSV Matrix 2 topics
matrix_nature_2 <- as.data.frame(topicmodels_LDA_nature_2@gamma)
names(matrix_nature_2) <- c(1:2)
write.csv(matrix_nature_2,"matrix_nature_2.csv")

#. Rows in this table are documents, columns are topics.
    1           2
1   0.46875     0.53125
2   0.52238806  0.47761194
3   0.555555556 0.444444444

谢谢。

4

1 回答 1

0

我找到了这个解决方法，但如果有一个更整洁的解决方案，我仍然会感激不尽。运行上述所有代码后，运行以下代码：

wordMatrix = as.data.frame( t(as.matrix(dtm_nature_1)) )
write.csv(wordMatrix,"dtm_nature_1.csv")

然后导入从此代码派生的 CSV 文件（从上面）：

matrix_nature_2 <- as.data.frame(topicmodels_LDA_nature_2@gamma)
names(matrix_nature_2) <- c(1:2)
write.csv(matrix_nature_2,"matrix_nature_2.csv")

到 excel 中，然后将 dtm_nature_1.csv 导入到 excel 文件的第二张表中。然后从 dtm_nature_1.csv 复制文档标题列表（列标题），并将它们特殊的转置粘贴到 matrix_nature_2.csv 表的清晰列中。

于 2018-02-01T17:27:42.970 回答