使用 ldamulticore 确定 log_perplexity 以获得最佳主题数量

Question

我正在尝试使用 python 中的 log perplexity 来确定我的 LDA 模型的最佳主题数。也就是说，我正在绘制一系列主题的日志困惑度并确定最小困惑度。然而，我得到的图表对 log perplexity 有负值，而它应该有 0 到 1 之间的正值。

#calculating the log perplexity per word as obtained by gensim code 
##https://radimrehurek.com/gensim/models/atmodel.html
#parameters: pass in trained corpus
#return: graph of perplexity per word for varying number of topics
parameter_list = range(1, 500, 100)
grid ={}

for parameter_value in parameter_list:
model = models.LdaMulticore(corpus=corpus, workers=None, id2word=None, 
                            num_topics=parameter_value, iterations=10)
grid[parameter_value]=[]

perplex=model.log_perplexity(corpus, total_docs=len(corpus))
grid[parameter_value].append(perplex)


df = pd.DataFrame(grid)
ax = plt.figure(figsize=(7, 4), dpi=300).add_subplot(111)
df.iloc[0].transpose().plot(ax=ax,  color="#254F09")
plt.xlim(parameter_list[0], parameter_list[-1])
plt.ylabel('Perplexity')
plt.xlabel('topics')
plt.show()     

Answer 1

困惑度必须介于 0 和 1 之间。您正在计算的是 log-困惑度。它是负数，因为 (0,1) 范围内的数字的对数小于零。