LDA

主題模型用于提取文本信息中的主題。是無監(jiān)督學(xué)習(xí)方法淑趾。
主題模型主要用于文本聚類呻澜,用于對非結(jié)構(gòu)化的本文提取信息和特征据忘。


image.png

alpha和beta超參數(shù) – alpha 表示文檔-主題密度,beta表示主題-詞密度讹语。alpha值越大钙皮,表示文檔由更多的主題構(gòu)成,越小顽决,則文檔會集中于某幾個主題短条。同理,beta值越大才菠,構(gòu)成主題的詞越多茸时,越小,則主題詞越少赋访。
主題數(shù) - 語料中需要提取的主題數(shù)可都』捍可以使用KL散度來獲取合適的主題數(shù)。
主題詞數(shù) - 如果問題陳述是關(guān)于提取主題或概念的渠牲,建議選擇一個更高的數(shù)字旋炒,如果問題陳述涉及到提取特性或術(shù)語,建議使用一個較低的數(shù)字签杈。
迭代/傳遞的數(shù)量——允許LDA算法收斂的最大迭代次數(shù)瘫镇。

doc1 = "Sugar is bad to consume. My sister likes to have sugar, but not my father."
doc2 = "My father spends a lot of time driving my sister around to dance practice."
doc3 = "Doctors suggest that driving may cause increased stress and blood pressure."
doc4 = "Sometimes I feel pressure to perform well at school, but my father never seems to drive my sister to do better."
doc5 = "Health experts say that Sugar is not good for your lifestyle."

# compile documents
doc_complete = [doc1, doc2, doc3, doc4, doc5]

分詞

from nltk.corpus import stopwords 
from nltk.stem.wordnet import WordNetLemmatizer
import string
stop = set(stopwords.words('english'))
exclude = set(string.punctuation) 
lemma = WordNetLemmatizer()
def clean(doc):
     stop_free = " ".join([i for i in doc.lower().split() if i not in stop])
     punc_free = ''.join(ch for ch in stop_free if ch not in exclude)
     normalized = " ".join(lemma.lemmatize(word) for word in punc_free.split())
     return normalized

doc_clean = [clean(doc).split() for doc in doc_complete]  

將分詞結(jié)果轉(zhuǎn)化為DT矩陣(TF-IDF)

# Importing Gensim
import gensim
from gensim import corpora

# Creating the term dictionary of our courpus, where every unique term is assigned an index. 
dictionary = corpora.Dictionary(doc_clean)

# Converting list of documents (corpus) into Document Term Matrix using dictionary prepared above.
#TF
doc_term_matrix = [dictionary.doc2bow(doc) for doc in doc_clean]
#TF-IDF
corpus_tfidf = models.TfidfModel(corpus)[corpus]

運行LDA模型

# Creating the object for LDA model using gensim library
Lda = gensim.models.ldamodel.LdaModel

# Running and Trainign LDA model on the document term matrix.
ldamodel = Lda(doc_term_matrix, num_topics=3, id2word = dictionary, passes=50)

結(jié)果

print(ldamodel.print_topics(num_topics=3, num_words=3))
 ['0.168*health + 0.083*sugar + 0.072*bad,
 '0.061*consume + 0.050*drive + 0.050*sister,
 '0.049*pressur + 0.049*father + 0.049*sister]

參考:https://www.analyticsvidhya.com/blog/2016/08/beginners-guide-to-topic-modeling-in-python/

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市答姥,隨后出現(xiàn)的幾起案子铣除,更是在濱河造成了極大的恐慌,老刑警劉巖鹦付,帶你破解...
    沈念sama閱讀 210,914評論 6 490
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件通孽,死亡現(xiàn)場離奇詭異,居然都是意外死亡睁壁,警方通過查閱死者的電腦和手機(jī)背苦,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 89,935評論 2 383
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來潘明,“玉大人行剂,你說我怎么就攤上這事∏担” “怎么了厚宰?”我有些...
    開封第一講書人閱讀 156,531評論 0 345
  • 文/不壞的土叔 我叫張陵,是天一觀的道長遂填。 經(jīng)常有香客問我铲觉,道長,這世上最難降的妖魔是什么吓坚? 我笑而不...
    開封第一講書人閱讀 56,309評論 1 282
  • 正文 為了忘掉前任撵幽,我火速辦了婚禮,結(jié)果婚禮上礁击,老公的妹妹穿的比我還像新娘盐杂。我一直安慰自己,他們只是感情好哆窿,可當(dāng)我...
    茶點故事閱讀 65,381評論 5 384
  • 文/花漫 我一把揭開白布链烈。 她就那樣靜靜地躺著,像睡著了一般挚躯。 火紅的嫁衣襯著肌膚如雪强衡。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,730評論 1 289
  • 那天码荔,我揣著相機(jī)與錄音漩勤,去河邊找鬼号涯。 笑死,一個胖子當(dāng)著我的面吹牛锯七,可吹牛的內(nèi)容都是我干的链快。 我是一名探鬼主播,決...
    沈念sama閱讀 38,882評論 3 404
  • 文/蒼蘭香墨 我猛地睜開眼眉尸,長吁一口氣:“原來是場噩夢啊……” “哼域蜗!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起噪猾,我...
    開封第一講書人閱讀 37,643評論 0 266
  • 序言:老撾萬榮一對情侶失蹤霉祸,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后袱蜡,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體丝蹭,經(jīng)...
    沈念sama閱讀 44,095評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,448評論 2 325
  • 正文 我和宋清朗相戀三年坪蚁,在試婚紗的時候發(fā)現(xiàn)自己被綠了奔穿。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 38,566評論 1 339
  • 序言:一個原本活蹦亂跳的男人離奇死亡敏晤,死狀恐怖贱田,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情嘴脾,我是刑警寧澤男摧,帶...
    沈念sama閱讀 34,253評論 4 328
  • 正文 年R本政府宣布,位于F島的核電站译打,受9級特大地震影響耗拓,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜奏司,卻給世界環(huán)境...
    茶點故事閱讀 39,829評論 3 312
  • 文/蒙蒙 一乔询、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧结澄,春花似錦哥谷、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,715評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽猜扮。三九已至勉吻,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間旅赢,已是汗流浹背齿桃。 一陣腳步聲響...
    開封第一講書人閱讀 31,945評論 1 264
  • 我被黑心中介騙來泰國打工惑惶, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人短纵。 一個月前我還...
    沈念sama閱讀 46,248評論 2 360
  • 正文 我出身青樓带污,卻偏偏與公主長得像,于是被迫代替她去往敵國和親香到。 傳聞我的和親對象是個殘疾皇子鱼冀,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 43,440評論 2 348

推薦閱讀更多精彩內(nèi)容