问题标签 [topic-modeling]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
java - 使用 Java 中的 Mallet 在 LDA 中折叠（估计新文档的主题）
我正在通过 Java 使用 Mallet，但我不知道如何根据我训练过的现有主题模型评估新文档。
我生成模型的初始代码与Mallett Developers Guide for Topic Modeling中的代码非常相似，之后我只是将模型保存为 Java 对象。在稍后的过程中，我从文件中重新加载该 Java 对象，通过添加新实例.addInstances()，然后希望仅根据原始训练集中找到的主题评估这些新实例。
这个 stats.SE 线程提供了一些高级建议，但我看不到如何将它们用于 Mallet 框架。
非常感谢任何帮助。
machine-learning - 关于 Blei 的 lda-c-dist 的推断结果
我对 lda-c-dist 包的推理结果有疑问。查看推理结果时应该显示多少个单词？例如，如果我将单词数设置为非常大的数 N（假设所有术语的数量为 N），则似乎存在一些单词组。在每组中，词的索引范围从 1 到 N。
我得到的是，假设术语数是 10，我将显示的单词数分配给 10。
看来，可能是我应该设置显示 3 的单词，而不是 10。
那么，对于一个主题，调用topics.py查看主题时，应该指定多少字呢？
此外，我将使用这个输出来计算两个主题的相似度。所以 ...
twitter - 用于主题检测的推文之间的表示和良好的相似性度量
我打算在Twitter 上写一个主题检测工具。我一直在考虑两条推文之间的良好相似性度量（距离） ，以及如何表示它们，并计算：
#hashtags（我认为主题标签在检测 Twitter 上的主题时非常重要）- 回复（如果有人回复一条推文，这些推文可能在谈论同一个话题，尽管两个人可以开始谈论三星银河并结束谈论iPhone 越狱等）
我正在考虑实施我目前所拥有的并做一些实验。我将实现经典模型（例如TF*IDF并使用欧几里德距离、角度余弦等），以及带有一些相似性度量的布尔模型（Hamming、Jaccard等）。
关于如何使一些现有模型适应Twitter的任何想法或关于如何创建新模型的一些想法？
mahout - 在 mahout 0.8 中运行 cvb
当前的 Mahout 0.8-SNAPSHOT 包括用于主题建模的折叠变分贝叶斯 (cvb) 版本并删除了潜在狄利克雷分析 (lda) 方法，因为 cvb 可以更好地并行化。不幸的是，只有关于如何运行示例并生成有意义的输出的lda文档。
因此，我想：
- 正确预处理一些文本
- 运行 cvb 的 cvb0_local 版本
- 通过查看每个生成的主题中的前 n 个单词来检查结果
r - LDA 与 topicmodels，我如何查看不同文档属于哪些主题？
我正在使用 topicmodels 包中的 LDA，我已经在大约 30.000 个文档上运行它，获得了 30 个主题，并获得了主题的前 10 个单词，它们看起来非常好。但是我想看看哪些文档属于哪个主题的概率最高，我该怎么做？
nlp - NLP 的停用词列表
he, she, it在执行 NLP 或 IR/IE 相关任务时，是否有人们通常用来删除标点符号和关闭类词（例如）的停用词列表？
我一直在尝试使用 gibbs 抽样来进行词义消歧的主题建模，并且它不断给标点符号和近类词提供高概率，只是因为它们经常出现在语料库中。https://github.com/christianscheible/BNB/blob/master/nb_gibbs.py
python - 如何从 gensim 打印 LDA 主题模型？Python
使用gensim我能够从 LSA 中的一组文档中提取主题，但是如何访问从 LDA 模型生成的主题？
打印lda.print_topics(10)代码时出现以下错误，因为print_topics()返回 a NoneType：
编码：
python - 每次我在同一个语料库上训练时，LDA 模型都会生成不同的主题
我正在使用 pythongensim从一个包含 231 个句子的小型语料库中训练一个潜在狄利克雷分配 (LDA) 模型。然而，每次我重复这个过程，它都会产生不同的主题。
为什么相同的LDA参数和语料每次都会产生不同的主题？
以及如何稳定主题生成？
我正在使用这个语料库（http://pastebin.com/WptkKVF0）和这个停用词列表（http://pastebin.com/LL7dqLcj），这是我的代码：
r - R中的函数topicmodels::lda出错
我正在尝试使用 R 中 topicmodels 包中的 LDA 模型。我需要测量方法的不稳定性，因此我从 Dirichlet 分布中生成了 w = 3000 个单词、t = 8 个主题和 d = 50 个文档的真实参数，其中大约 60 个单词每一个：
所以我的 docs 矩阵是一个稀疏矩阵 d * w，几乎所有元素都是 0 或 1。
然后我需要我的文档矩阵成为 DocumentTermMatrix 类的对象，以便在 topicmodels:lda() 中使用它：
我需要使用吉布斯采样方法，所以我写
然后我得到：
lda.default(docs, t, method = "Gibbs") 中的错误：nrow(x) 和 length(grouping) 不同
我猜这个 topicmodels 包使用 MASS 包，但是这个分组参数是我无法明确控制的，可以吗？或者我对我的数据做错了什么？
请帮我！
BR，玛丽亚