如何将矩阵转换为 BoW 格式？答案

【问题标题】：how to convert a matrix to BoW format?如何将矩阵转换为 BoW 格式？
【发布时间】：2022-12-16 21:29:40
【问题描述】：

我正在尝试将矩阵转换为 gensim 可以接收的类型。 AuthorTopic 模型，这意味着我应该将矩阵转换为稀疏向量。我已经在 gensim 中尝试过几个函数，比如 gensim.matutils.full2sparse 和 gensim.matutils.any2sparse。但是有一点不对劲：

我的代码：

matrix=numpy.array([[1,0 ,1],[0,1,1]])
mycorpus=any2sparse(matrix)
print(matrix)
print(mycorpus)

输出：

[[1 0 1]
 [0 1 1]]

[(0, 1.0), (0, 1.0), (1, 0.0), (1, 0.0)] #mycorpus

根据教程，语料库应该是这样的：

[[(0,1),(2,1)]
 [(1,1),(2,1)]]

我不知道出了什么问题。如果有人能给我一些建议，我真的很感激。

【问题讨论】：

标签： gensim corpus sparse-vector

【解决方案1】：

Gensim AuthorTopicModel docs 将其所需的语料库格式描述为可迭代的（int，float）列表.

这些 int 值将是单词 ID，理想情况下伴随着 id2word 字典，它标识哪个 int 表示哪个单词。

你的矩阵的来源是什么，你知道它是代表单词的行还是列，并且有索引到单词的映射？这将推动转换。

此外，正如文档所述，“该模型与LdaModel密切相关。AuthorTopicModel类继承LdaModel，因此其用法相似。

您是否查看了 Gensim LDA 使用指南以了解他们如何准备语料库，例如多个Usage Examples，看看是否有助于建议步骤和必要的格式？

或者，您的语料库是否仍然可以作为文本使用，因此您可以直接使用那里的示例作为模型将文本转换为 BoW 格式（而不是您已经处理过的矩阵）？

如果你仍然有问题，你应该用更多的细节来扩展你的问题文本，尤其是你所拥有的真正的语料库矩阵是如何创建的，以及你遇到了哪些错误（以及你是如何触发它们的）让你相信事情不是这样的'工作。

【讨论】：