Gensim LDAmodel 错误：NaN 和所有主题相同

Question

一直在关注文档here 以及此链接：Machine Learning Gensim Tutorial，我完全不知道为什么会发生这种情况。在对我的句子进行标记和词形还原之后，我将句子放入短语中，创建了一个字典，并将所有正确的变量插入到模型中。这是我的代码示例：

tokens =  [[euid, sent, gensim.parsing.preprocessing.preprocess_string(sent.lower(), filters=[strip_punctuation,
        strip_multiple_whitespaces, strip_numeric, remove_stopwords, strip_short, wordnet_stem])] for sent in sentences]
#these filters are all default gensim filters except for wordnet_stem, which uses a WordNetLemmatizer

 bigram = gensim.models.Phrases(bag_of_words)
bigram_mod = gensim.models.phrases.Phraser(bigram)

示例令牌列表如下所示：['beautiful', 'Manager', 'tree', 'caring', 'great_place']（完全虚构的列表）

texts = [bigram_mod[t] for t in bag_of_words]
id2word = corpora.Dictionary(texts)
sent_wordfreq = [id2word.doc2bow(sent) for sent in texts]

lda_model = gensim.models.ldamodel.LdaModel(corpus=sent_wordfreq,
                                            id2word=id2word,
                                            num_topics=5,
                                            update_every=1,
                                            alpha='auto',
                                            per_word_topics=True)

这是我得到的主题：

[(0, 'nan*"发现" + nan*"获得" + nan*"发送" + ... (1, 'nan*"发现" + nan*"获得" + nan*"发送" + ... 并且这种情况又持续了 3 次

所以不仅所有主题都相同，而且每个主题的权重都是 nan。可能是什么问题？

Answer 1

更新：如果您遇到此问题，请升级您的 numpy 版本（这是一个 numpy 问题）。对我来说， conda install numpy="1.14.5" 有效。