计算 GenSim 上未见文档的主题分布答案

【问题标题】：Calculating topic distribution of an unseen document on GenSim计算 GenSim 上未见文档的主题分布
【发布时间】：2016-12-02 03:14:53
【问题描述】：

我正在尝试使用 GenSim 的 LDA 模块来完成以下任务

“用一个大文档训练一个 LDA 模型并跟踪 10 个潜在主题。给定一个新的、未见过的文档，预测 10 个潜在主题的概率分布”。

根据此处的教程：http://radimrehurek.com/gensim/tut2.html，这对于语料库中的文档似乎是可能的，但我想知道对于看不见的文档是否可能。

谢谢！

【问题讨论】：

【解决方案1】：

从您发布的文档看来，您可以像这样训练您的模型：

>>> model = models.LdaModel(corpus, id2word=dictionary, num_topics=100)

然后从this page 看来，您可以像这样将您的模型应用于“一个看不见的文档”：

>>> doc_lda = model[doc_bow]

其中doc_bow 是由doc2bow 工具生成的词袋。

【讨论】：

您能解释一下 doc_lda 是什么以及如何分析它吗？
doc_lda 也可以称为 'a' 或 'b' 它返回 doc_bow 的主题分配，如下所示：[(0, 0.33), (1, 0.33), (2, 0.33)] 所以主题后跟该评论/文档/文本数据属于该主题的百分比
如何从上面提到的评论中提取主题名称。如果我有类似 text="The days are bright and good" 这样的文字。在我预定义的 lda 模型中有 10 个主题。它是否计算所有单词的主题概率？现在我假设我提到的文字是在停用词 stemmin 等之后