Gensim：无法训练 LDA 模型

Question

我有一个句子列表，我按照tutorial 的说明从中制作语料库：

texts = [[word for word in document.lower().split() if word.isalpha()] for document in documents]
corpus = corpora.Dictionary(texts)

我想在这个语料库上训练一个 LDA 模型并提取主题关键字。

lda = models.LdaModel(corpus, num_topics=10)

但是，我在训练时收到错误消息：TypeError: 'int' object is not iterable。我究竟做错了什么？语料库的格式应该是什么？

Answer 1

制作语料库后，您应该使用doc2bow 制作单个语料库，它会从单词中生成哈希（所谓的'hashing trick'）：

texts = [[word for word in document.lower().split() if word.isalpha()] for document in documents]
corpus = corpora.Dictionary(texts)
hashed_corpus = [corpora.doc2bow(text) for text in texts]

然后你可以用hashed_corpus训练你的模型：

lda = models.LdaModel(corpus, id2word=corpus, num_topics=5) 

id2word 将您的主题从哈希映射到单词，使用它可以将主题作为单词而不是数字来获取。