问题标签 [gensim]

我有大约 20,000 个文档的语料库，我必须使用 LDA 训练该数据集以进行主题建模。

每当我运行这个程序时，我都会遇到这个错误：

我什至尝试更改LdaModel函数中的值，但总是遇到同样的错误！

应该做什么 ？

我已经使用 gensim 为 LDA 主题建模训练了一个语料库。

浏览 gensim 网站上的教程（这不是全部代码）：

这是我得到的输出：

我不知道最后的输出将如何帮助我找到可能的主题question!!!

请帮忙！

我正在使用 Gensim 来计算 2 个文档之间的相似度。由于某种原因， tfidf[corpus] 行返回一个空列表。我不知道为什么

当我打印字典时，我得到：字典（2204 个唯一标记）当我打印 MmCorpus 时，我得到：MmCorpus（25 个文档，2204 个特征，55100 个非零条目）tfidf[corpus] yield []。谁能诊断我的问题？非常感谢！

首先，这是获取执行 LDA 的语料库主题分布的正确方法吗？

现在，当我将 alpha 参数添加到 LDA 并尝试将语料库转换为稀疏矩阵时，就会出现问题，如下所示：

在从 gensim 语料库到第 3 行中的稀疏矩阵的转换过程中，出现错误ValueError: invalid shape

我只有在添加 ALPHA 参数时才会遇到这个问题！

完整的追溯：

我在 Mac OS X 10.8.3 (Mountain Lion) 上，正在尝试在 PyCharm 中运行脚本。Python 2.7.2 已安装，我已安装 Canopy 和 Gensim。我只是不明白是什么导致了我遇到的错误。

显示已安装 v 0.11。

这是运行脚本后我的全部输出：

通过从R 中的语料库中创建单词子集，回答者可以轻松地将 aterm-document matrix转换为词云。

python库中是否有类似的函数将原始单词文本文件或NLTK语料库或GensimMmcorpus带入词云？

结果看起来有点像这样：

我使用玩具语料库导出了 LDA 主题模型，如下所示：

我发现当我使用少量主题来推导模型时，Gensim 会生成一份完整的测试文档所有潜在主题的主题分布报告。例如：

但是当我使用大量主题时，报告不再完整：

在我看来，概率小于某个阈值的主题（我观察到 0.01 更具体）在输出中被省略了。

我想知道这种行为是否是出于某种审美考虑？我怎样才能得到概率质量残差在所有其他主题上的分布？

谢谢你的好意回答！

代码的最后部分：

bash 输出：

所以我想知道我是否能够将它生成的结果主题保存为可读格式。我已经尝试过这些.save()方法，但它总是输出一些不可读的东西。

以下代码中的lda.show_topics模块仅打印每个主题的前 10 个单词的分布，我如何打印出语料库中所有单词的完整分布？

我正在使用这个gensim教程来查找文本之间的相似之处。这是代码

这里有两个文件。一个有 10 个文本，另一个有 2 个文本。一个被注释掉了。如果我使用第一个文档列表，一切都会正常并生成有意义的输出。如果我使用第二个文档列表（有 2 个文本），则会发生错误。就这个

此错误背后的原因是什么，我该如何解决？我使用的是 64 位机器。