我将使用R中的topicmodels包来运行LDA。手册中提供的示例使用美联社的数据,效果很好。然而,当我尝试在自己的数据上运行时,得到的主题是文档名称。我已经追踪到问题出在我的词项-文档矩阵是应该的倒置(行->列)。
示例TDM如下:
示例TDM如下:
str(AssociatedPress)
List of 6
$ i : int [1:302031] 1 1 1 1 1 1 1 1 1 1 ...
$ j : int [1:302031] 116 153 218 272 299 302 447 455 548 597 ...
$ v : int [1:302031] 1 2 1 1 1 1 2 1 1 1 ...
$ nrow : int 2246
$ ncol : int 10473
$ dimnames:List of 2
..$ Docs : NULL
..$ Terms: chr [1:10473] "aaron" "abandon" "abandoned" "abandoning" ...
- attr(*, "Weighting")= chr [1:2] "term frequency" "tf"
- attr(*, "class")= chr [1:2] "DocumentTermMatrix" "simple_triplet_matrix"
我的TDM中,术语作为行,文档作为列:
List of 6
$ i : int [1:10489] 1 3 4 13 20 24 25 26 27 28 ...
$ j : int [1:10489] 1 1 1 1 1 1 1 1 1 1 ...
$ v : num [1:10489] 1 1 1 1 2 1 67 1 44 3 ...
$ nrow : int 5903
$ ncol : int 9
$ dimnames:List of 2
..$ Terms: chr [1:5903] "\u2439aa" "aars" "\u2439ab" "\u242dab" ...
..$ Docs : chr [1:9] "art111130.txt" "art111131.txt" "art111132.txt" "art111133.txt" ...
- attr(*, "class")= chr [1:2] "TermDocumentMatrix" "simple_triplet_matrix"
- attr(*, "Weighting")= chr [1:2] "term frequency" "tf"
是什么导致LDA(art_tdm,3)
基于文档名称而不是文档内的术语构建主题。这是否是tm软件包代码库中的更改?我无法想象我会在我的代码中引起这种转置:
art_cor<-Corpus(DirSource(directory = "tmptxts"))
art_tdm<-TermDocumentMatrix(art_cor)
非常感谢您的帮助。
t()
也适用于这个类,并且可以实现相同的结果。 - cjbayesiant()
。但是我在package::tm
中找不到“AssociatedPress”。 - IRTFM