Spark MLLIB LDA主题矩阵的输出是什么？

Question

LDAModel.topicsMatrix()的输出对我来说不清楚。我认为我理解了LDA的概念，每个主题都由对术语的分布表示。

在LDAModel.describeTopics()中很清楚（我想）： 每个主题中单词的似然总和最高的话题，表示该推文属于该话题的证据。 使用n个主题，describeTopics()的输出是一个n乘以m矩阵，其中m代表词汇量的大小。此矩阵中的值小于或等于1。

但是在LDAModel.topicsMatrix()中，我不知道我在看什么。阅读文档时也是如此。 该矩阵是一个m乘以n的矩阵，维度已更改，并且该矩阵中的值大于零（因此可以取值2，这不是概率值）。这些值是什么？该单词在主题中出现的次数？

我如何使用这些值计算句子到主题的距离？

- blpasd

---

我在文档中也找不到这个信息，但看起来这些是狄利克雷分布的参数，用于描述单词-主题的多项式分布。从维度和观察值的角度来看，这是有意义的。在维基百科上，这被称为$\phi$符号。 - Nick To

Answer 1

我认为矩阵是m*n的，其中m代表单词数量，n代表主题数量。

- pengju teng

---

val topics = ldaModel.topicsMatrix for (topic <- Range(0, 3)) { print("主题 " + topic + ":") for (word <- Range(0, ldaModel.vocabSize)) { print(" " + topics(word, topic)); } println() } 也许你可以通过这个进行检查 - pengju teng

你应该在回答中编辑并添加代码，而不是将其添加到评论中。 - dkb