Gensim LDA 连贯性得分 Nan答案

【问题标题】：Gensim LDA Coherence Score NanGensim LDA 连贯性得分 Nan
【发布时间】：2020-02-16 08:03:17
【问题描述】：

我创建了一个 Gensim LDA 模型，如本教程所示：https://www.machinelearningplus.com/nlp/topic-modeling-gensim-python/

lda_model = gensim.models.LdaMulticore(data_df['bow_corpus'], num_topics=10, id2word=dictionary, random_state=100, chunksize=100, passes=10, per_word_topics=True)

它会生成 10 个主题，其 log_perplexity 为：

lda_model.log_perplexity(data_df['bow_corpus']) = -5.325966117835991

但是当我在其上运行一致性模型来计算一致性分数时，如下所示：

coherence_model_lda = CoherenceModel(model=lda_model, texts=data_df['bow_corpus'].tolist(), dictionary=dictionary, coherence='c_v')
with np.errstate(invalid='ignore'):
    lda_score = coherence_model_lda.get_coherence()

我的 LDA 分数是 nan。我在这里做错了什么？

【问题讨论】：

标签： python machine-learning gensim lda topic-modeling

【解决方案1】：

解决了！ Coherence 模型需要原始文本，而不是提供给 LDA_Model 的训练语料库 - 所以当我运行这个时：

coherence_model_lda = CoherenceModel(model=lda_model, texts=data_df['corpus'].tolist(), dictionary=dictionary, coherence='c_v')
with np.errstate(invalid='ignore'):
    lda_score = coherence_model_lda.get_coherence()

我的连贯性得分为：0.462

希望这可以帮助其他人犯同样的错误。谢谢！

【讨论】：

遇到了同样的问题！感谢分享！

【解决方案2】：

文档 (https://radimrehurek.com/gensim/models/coherencemodel.html) 说要提供“标记化文本”（str 列表列表） - 这些应该是您的文本拆分为您提供给 CoherenceModel 的字典中的单个单词。如果您提供未标记化的全文，则查找字典中没有词条的条目。

【讨论】：