R LDAvis 为每个主题定义文档

Question

这是一个关于 LDA 和 R 中的应用程序 LDAvis 的问题。由于这是我第一次使用这个包，我将不胜感激任何可以帮助我研究的帮助。

我希望能够查看每个主题根据概率定义的文档。我正在使用调查数据，并且正在查看评论部分并将它们中的每一个都定义为文档。

我将使用 cpsievert 的示例“电影评论的主题模型”，因为这与我的代码非常相似。完整代码可以在以下链接中找到：访问

http://cpsievert.github.io/LDAvis/reviews/reviews.html

我已经到了使用基于以下代码的 LDA 模型拟合模型的阶段：

set.seed(123)
fit <- lda.collapsed.gibbs.sampler(documents = documents, K = K, vocab = vocab, 
                               num.iterations = G, alpha = alpha, 
                               eta = eta, initial = NULL, burnin = 0,
                               compute.log.likelihood = TRUE)

然后使用LDAvis创建交互式html，代码如下：

json <- createJSON(phi = MovieReviews$phi, 
               theta = MovieReviews$theta, 
               doc.length = MovieReviews$doc.length, 
               vocab = MovieReviews$vocab, 
               term.frequency = MovieReviews$term.frequency)

现在基于交互式 html，我根据频率术语定义了主题。电影评论上有一个这样的例子，可以通过以下链接找到：

http://cpsievert.github.io/LDAvis/reviews/vis/#topic=7&lambda=0.6&term=

这个主题可以定义为电影评论的喜剧。

如果在本例中“topic7”被称为喜剧，您如何查看最有可能由该主题定义的评论？

我想知道，我将如何根据 topic7 定义文档然后能够查看它们，比如使用：

View(MovieReviwes$Topic7)

如果这个问题宽泛而冗长，我深表歉意，但如果有人可以通过使用我在链接中给出的示例来回答它，这将有很大帮助。提前致谢。

Answer 1

我认为您可能不完全了解 lda 的作用以及它们的工作原理。 lda 模型将生成 k 个主题的列表，然后告诉您哪些词被分配到了哪些主题，以及它们各自被分配到各个主题的概率。听起来您真正想做的是执行文档/主题分类而不是单词/主题分类，如果是这种情况，那么 lda 包将无法满足您的需求。

如果你想要一个基于lda 对象的真正肮脏的文档分类方法，我想你可以只返回主题的名称，并为每个文档分配最多的单词数，尽管我想如果有联系，您会遇到问题（随着 k 的增加和文档数量的增加，联系的可能性也会增加）。

编辑：按要求快速而肮脏的方式：

sums <- fit$document_sums
sums <- t(sums)
sums <- as.data.frame(sums)
topics <- colnames(sums)[max.col(sums,ties.method="first")]
topics <- t(topics)
sums$topics <- topics