问题标签 [topicmodels]

我是主题建模的新手。

所以我希望有经验的人可以回答我的问题。这是我的数据的简化格式： 1. 我有一个尺寸为 1000*2 的 csv 文件。（混合主题） 2. 每行是一个文档和一个文档 ID。每个文档可以有多行，并且文档可以像这样：例如，电影是关于哈利波特的。我喜欢看。

因此，我想从主题模型中找到自然集群/主题，并根据 TOP 术语手动将标签分配给集群。

因此，我将每个文档拆分为单独的标记并使用 LDA，然后使用最低的困惑分数来获得最佳集群。

使用 LDA 后，我绘制了每个主题最常出现的术语的可视化。

但是，1. 我不确定我是否应该做一个 bi/n 克 - 如果是的话怎么做？因为我知道有些术语必须一起出现。2. 我必须使用网络图来查看不同术语之间的相互关系吗？还是不同的主题链接在一起？3. 不太确定我的做法是否正确

我在 R 中使用LDA 包进行主题建模，并且对函数中的参数设置感到困惑slda.em。

slda.em(documents, K, vocab, num.e.iterations, num.m.iterations, alpha, eta, annotations, params, variance, logistic = FALSE, lambda = 10, regularise = FALSE, method = "sLDA", trace = 0L, MaxNWts=3000)

据我了解，sLDA 模型可以拟合和预测新文档的响应值。所以我想知道annotationslda 中是否代表响应/标签？如果不是，注释是什么意思？我应该将哪个参数视为响应？谢谢！

我有以两种不同格式存储的文本数据 - 作为数据框和一系列文件夹（由于存储类型，我不确定我能否以可重现的格式发布此问题）。

我可以从下面这些不同的文本源中创建一个语料库，但想知道如何使用 R 中的 topicmodels 包将它们组合成一个语料库？

我已经执行了：

但是想将它们组合成一个统一的语料库。

我正在使用来自 scala 项目的槌。在训练主题模型并获得推理文件后，我尝试将主题分配给新文本。问题是我使用不同的调用方法得到了不同的结果。以下是我尝试过的事情：

1. 创建一个新的 InstanceList 并仅摄取一个文档并从 InstanceList 中获取主题结果

   /li>

2. 将所有内容放在 InstanceList 中并一起预测主题。

   /li>

这两种方法产生的结果非常不同，除了第一种情况。使用推理器的正确方法是什么？

附加信息：我检查了实例数据。

我假设括号中的数字是预测中使用的单词的索引。当我将所有文本放入 InstanceList 时，索引是不同的，因为该集合有更多的文本。不确定在模型预测过程中如何准确地考虑这些信息。

我正在寻找潜在狄利克雷分配（LDA）的深入示例，其中为 R 中的 topicmodels 包指定了种子词。

基本函数采用以下形式：
LDA(x, k, method = "Gibbs", control = NULL, model = NULL, ...)

并且文档仅说明：

对于method =“Gibbs”，可以将附加参数种子词指定为矩阵或类“simple_triplet_matrix”的对象；默认值为 NULL。

谁能给我一个完整的例子来说明它的外观和功能？

I am literally following the steps as presented in chapter 6 of the "Text Mining in R: a Tidy Approach" book. See: https://www.tidytextmining.com/topicmodeling.html

Gives me the following error in the terminal:

What I should be getting, meanwhile is:

Why am I seeing this error instead of the desired result?

我使用 R 包进行了主题建模 (LDA)，topicmodels并成功获得了结果。但是，我仍然不确定如何在这个 topicmodels 包中设置 LDA 的关键参数 Beta（或 eta）。

我知道我们可以通过写入control=list(alpha = 0.5)LDA 命令来设置 Alpha 参数。但是，我不知道如何在 LDA 命令中指定 Beta (eta) 参数。有谁知道 1）如何在topicmodelsR 包中设置 Beta 参数和 2）我们使用topicmodels包时 Beta 的默认值是多少？非常感谢您的帮助！！

我在 R 中对 STM 模型运行协变量效应时遇到问题。有什么建议可以解决这个问题吗？

错误警告来自准备： posint(K) 中的错误：找不到函数“posint”

有人知道这里的主题建模吗？我非常需要帮助。

1) 什么是主题建模 2) 什么是潜在狄利克雷分配和双项主题建模？3）LDA和BTM有什么区别？4) 它们是如何工作的？

我找到了研究，但我无法理解其中的一些，尤其是 BTM，它很难找到（即使在 YouTube 中，也找不到教程）。

太感谢了。

社区，

我有一个关于 R 的 STM 包的问题，​​希望你能帮我找到答案。

在小插图的图 7中，作者展示了一个图表，其中可以看到随着时间的推移主题流行度（针对主题 7）。是否可以通过添加另外两条线来绘制相同的图：一条代表自由主义，一条代表保守主义？

自由和保守是变量“评级”的属性