寻找主题的潜在语义分析

Question

我正在学习潜在语义分析 (LSA)，我能够构建术语-文档矩阵并找到它的 SVD 分解。如何从该分解中获取主题？

例如在gensim中：

topic #0(332.762): 0.425*"utc" + 0.299*"talk" + 0.293*"page" + 0.226*"article" + 0.224*"delete" + 0.216*"discussion" + 0.205*"deletion" + 0.198*"should" + 0.146*"debate" + 0.132*"be"
topic #1(201.852): 0.282*"link" + 0.209*"he" + 0.145*"com" + 0.139*"his" + -0.137*"page" + -0.118*"delete" + 0.114*"blacklist" + -0.108*"deletion" + -0.105*"discussion" + 0.100*"diff"
topic #2(191.991): -0.565*"link" + -0.241*"com" + -0.238*"blacklist" + -0.202*"diff" + -0.193*"additions" + -0.182*"users" + -0.158*"coibot" + -0.136*"user" + 0.133*"he" + -0.130*"resolves"

Answer 1

您可以获得 SVD 分解的 U、S 和 V 矩阵： https://github.com/piskvorky/gensim/wiki/Recipes-&-FAQ#wiki-q4-how-do-you-output-the-u-s-vt-matrices-of-lsi

编辑回答评论中的问题：

打印的主题只是来自矩阵 U（=左奇异向量）的向量，标准化为单位长度。

也许http://radimrehurek.com/gensim/tut2.html#transforming-vectors 的教程可能会有所帮助。

实际打印的是对特定主题贡献最大的前 N ​​个单词（默认 = 打印前 10 个单词）。

您可以在此处查看这些主题的确切计算方式，它相当简单： https://github.com/piskvorky/gensim/blob/0.8.9/gensim/models/lsimodel.py#L447