使用带有 python 的 LDA 仅打印主题名称答案

【问题标题】：Print only topic name using LDA with python使用带有 python 的 LDA 仅打印主题名称
【发布时间】：2018-06-23 13:02:36
【问题描述】：

我只需要打印主题词（只有一个词）。但它包含一些数字，但我不能只得到像“快乐”这样的主题名称。我的字符串词是“Happy”，为什么它显示“Happi”

    import warnings
warnings.filterwarnings(action='ignore', category=UserWarning, module='gensim')
from nltk.tokenize import RegexpTokenizer
from stop_words import get_stop_words
from nltk.stem.porter import PorterStemmer
from gensim import corpora, models

import gensim
import string
tokenizer = RegexpTokenizer(r'\w+')
en_stop = get_stop_words('en')
p_stemmer = PorterStemmer()
fr = open('Happy DespicableMe.txt','r')
doc_a = fr.read()
fr.close()
doc_set = [doc_a]
texts = []
for i in doc_set:


    raw = i.lower()
    tokens = tokenizer.tokenize(raw)


    stopped_tokens = [i for i in tokens if not i in en_stop]


    stemmed_tokens = [p_stemmer.stem(i) for i in stopped_tokens]


    texts.append(stemmed_tokens)


dictionary = corpora.Dictionary(texts)


corpus = [dictionary.doc2bow(text) for text in texts]


ldamodel = gensim.models.ldamodel.LdaModel(corpus, num_topics=1, id2word = dictionary, passes=20)



rafa = ldamodel.show_topics(num_topics=1, num_words=1, log=False , formatted=False)


print(rafa)

它只显示 [(0, '0.142*"happi"')]。但我只想打印单词。

【问题讨论】：

粘贴.txt文件的内容。
它包含一首歌的歌词。
@S.Kablar 更新
这个答案对你有帮助吗？

标签： python-3.x nltk gensim lda stemming

【解决方案1】：

你被误会困扰：

词干提取通过一系列转换规则去除常见的后缀和前缀来提取词干。实际上，生成的词干不一定是实际的英语单词。词干提取的目的是标准化单词以进行比较。例如

stem_word('happy') == stem_word('happier')

您需要一个 Lemmatizer（例如 nltk.stem.wordnet）来查找引理。引理与词干的不同之处在于，引理是单词的规范形式，而词干可能不是真正的单词。

拥有install the corpus/wordnet之后，你可以这样使用它：

from nltk.corpus import wordnet
syns = wordnet.synsets("happier")
print(syns[0].lemmas()[0].name())

输出：

happy

【讨论】：

有什么办法可以得到实际的单词。
@Rafi 是的，补充说。