lda主题模型分析代码（lda主题分类）

以下是使用

中的gensim库

文本分析的示例代码：

 python import gensim from gensim import corpora  # 准备数据 documents = ["This is the first document.", "This document is the second document.", "And this is the third one.", "Is this the first document?"]  # 分词处理 texts = [[word for word in document.lower().split()] for document in documents]  # 建立词典 dictionary = corpora.Dictionary(texts)  # 建立语料库 corpus = [dictionary.doc2bow(text) for text in texts]  # 训练模型  lda model = gensim.models. lda model. Lda Model(corpus, num_topics=3, id2word=dictionary, passes=20)  # 输出主题及其词汇分布 for topic in lda model.print_topics(num_words=4): print(topic) 

输出结果如下：

 (0, '0.123*"document." + 0.083*"is" + 0.083*"the" + 0.083*"this"') (1, '0.085*"the" + 0.085*"document" + 0.085*"this" + 0.085*"is"') (2, '0.094*"this" + 0.094*"is" + 0.094*"the" + 0.094*"first"') 

结果说明该模型共分为3个主题，每个主题的词汇分布如上所示。可以看出，第一个主题与“document”相关，第二个主题与“this”和“is”相关，第三个主题与“first”相关。

版权声明：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！

转载请注明出处，原文链接：https://www.xkablog.com/bcyy/17711.html