lda.collapsed.gibbs.sampler模型和頂級單詞排名

Question

我有一個模型生成的功能lda.collapsed.gibbs.sampler，從lda包，我需要知道頂部的「相關性」話。 當使用

top.topic.words(result$topics, 10, by.score=TRUE) 

我得到的前10個字每個主題的列表，但我想看到的題目的百分比的10個字代表。我猜這些信息是存在的，因爲有一個「分數」，但我對吉布斯採樣器的統計方法並不十分熟悉。

提前致謝！

Answer 1

我覺得這樣的事情可能是你想要什麼：

for (ii in 1:nrow(result$topics)) { 
    print(
    head(
     cumsum(
     sort(result$topics[ii,], decreasing=TRUE) 
    ), 
     n = 20 
    )/result$topic_sums[ii] 
) 
} 

讓我們來分析一下。如果你想要吉布斯分配的一小部分，那很簡單。 LDA例程返回每個（單詞，主題）對的分配數量。因此，您所要做的就是對result$topics的每一行進行排序以獲取最前面的單詞（如果您設置by.score=FALSE，這基本上就是top.topic.words所做的）。一旦按排序順序排列後，您可以針對每個主題查看該單詞與整個主題的統計數量。爲此，我除以result$topic_sums，其中包含該主題的分配總數。最後，我使用cumsum，以便您可以看到該主題中單詞的運行總重量。