0

我正在运行 Gensim 的主题和转换教程中的 LSI 程序，出于某种原因，主题权重的符号不断从正变为负，反之亦然。例如，这是我使用该行打印时得到的

for doc, as_text in zip(corpus_lsi, documents):
    print(doc, as_text)

Run 1
[(0, 0.066007833960900791), (1, 0.52007033063618491), (2, -0.37649581219168904)]
[(0, 0.196675928591421), (1, 0.7609563167700063), (2, 0.5080674581001664)]
[(0, 0.089926399724459982), (1, 0.72418606267525132), (2, -0.408989731553764)]
[(0, 0.075858476521777865), (1, 0.63205515860034334), (2, -0.53935336057339001)]
[(0, 0.10150299184979866), (1, 0.57373084830029653), (2, 0.67093385852959075)]
[(0, 0.70321089393783254), (1, -0.1611518021402539), (2, -0.18266089635241448)]
[(0, 0.87747876731198449), (1, -0.16758906864658912), (2, -0.10880822642632856)]
[(0, 0.90986246868185872), (1, -0.14086553628718496), (2, 0.00087117874886860625)]
[(0, 0.61658253505692762), (1, 0.053929075663897361), (2, 0.25568697959599318)]

Run 2
[(0, 0.066007833960908563), (1, -0.52007033063618446), (2, -0.37649581219168959)]
[(0, 0.19667592859143226), (1, -0.76095631677000253), (2, 0.50806745810016629)]
[(0, 0.089926399724470751), (1, -0.72418606267525032), (2, -0.40898973155376284)]
[(0, 0.075858476521787177), (1, -0.63205515860034223), (2, -0.5393533605733889)]
[(0, 0.10150299184980684), (1, -0.57373084830029419), (2, 0.67093385852959098)]
[(0, 0.70321089393782976), (1, 0.16115180214026417), (2, -0.18266089635241456)]
[(0, 0.87747876731198149), (1, 0.16758906864660211), (2, -0.10880822642632891)]
[(0, 0.90986246868185627), (1, 0.14086553628719861), (2, 0.00087117874886795399)]
[(0, 0.61658253505692828), (1, -0.053929075663887563), (2, 0.25568697959599251)]

Run 3
[(0, 0.066007833960902929), (1, -0.52007033063618535), (2, 0.37649581219168821)]
[(0, 0.19667592859142491), (1, -0.76095631677000497), (2, -0.50806745810016662)]
[(0, 0.089926399724463771), (1, -0.7241860626752511), (2, 0.40898973155376317)]
[(0, 0.075858476521781085), (1, -0.63205515860034334), (2, 0.5393533605733889)]
[(0, 0.10150299184980124), (1, -0.57373084830029542), (2, -0.67093385852959064)]
[(0, 0.70321089393783143), (1, 0.16115180214025732), (2, 0.18266089635241564)]
[(0, 0.87747876731198304), (1, 0.16758906864659326), (2, 0.10880822642632952)]
[(0, 0.90986246868185761), (1, 0.1408655362871892), (2, -0.00087117874886778746)]
[(0, 0.61658253505692784), (1, -0.053929075663894419), (2, -0.25568697959599318)]

我在 PC 上运行 Python 3.5.2，使用 IntelliJ 进行编码。

任何人都遇到过这个问题，使用 Gensim 库或其他地方？

4

2 回答 2

1

LSI 模型只不过是它下面的快速截断 SVD 的实现。SVD 计算特征向量，这些向量对应于主题。但是，即使乘以 -1，特征向量仍然是特征向量。因此，标志可能会根据算法的实现方式不断翻转。事实上，流行库 LAPACK 的 SVD 实现甚至 numpy 实现都是这种情况。

符号在这里真的无关紧要，因为乘以 -1 也是一个特征向量。

于 2020-09-23T09:39:27.853 回答
0

有多种可能性：

  1. 主题的顺序可以不同。运行之间的主题/词汇变化。如果您每次都从头开始运行它（包括词汇生成等），那么您看到的最终主题可能会在运行之间发生变化或词汇在运行之间发生变化，这可以解释差异。
  2. 计算在数值上是不稳定的。如果有一个接近 0.0 的值可以舍入为 -0.0 或 +0.0（取决于有时可能不同的计算顺序）并影响结果的符号，则可能会发生这种情况。这可能与通用数字错误或导致它的软件/硬件组合有关。
  3. 其他一些尚未确定的原因。
于 2020-09-23T09:07:50.783 回答