tf-idf 文档术语矩阵和 LDA：R 中的错​​误消息

Question

我们可以将 tf-idf 文档术语矩阵输入到潜在狄利克雷分配 (LDA) 中吗？如果是，怎么做？

在我的情况下它不起作用，LDA 函数需要“词频”文档词矩阵。

谢谢

（我尽可能简洁地提出一个问题。所以，如果您需要更多详细信息，我可以添加

##########################################################################
                           TF-IDF Document matrix construction
##########################################################################    

> DTM_tfidf <-DocumentTermMatrix(corpora,control = list(weighting = 
function(x)+   weightTfIdf(x, normalize = FALSE)))
> str(DTM_tfidf)
List of 6
$ i       : int [1:4466] 1 1 1 1 1 1 1 1 1 1 ...
$ j       : int [1:4466] 6 10 22 26 28 36 39 41 47 48 ...
$ v       : num [1:4466] 6 2.09 1.05 3.19 2.19 ...
$ nrow    : int 64
$ ncol    : int 297
$ dimnames:List of 2
  ..$ Docs : chr [1:64] "1" "2" "3" "4" ...
  ..$ Terms: chr [1:297] "accommod" "account" "achiev" "act" ...
- attr(*, "class")= chr [1:2] "DocumentTermMatrix" "simple_triplet_matrix"
- attr(*, "weighting")= chr [1:2] "term frequency - inverse document 
frequency" "tf-idf"

##########################################################################
                           LDA section
##########################################################################

> LDA_results <-LDA(DTM_tfidf,k, method="Gibbs", control=list(nstart=nstart,
  +                                seed = seed, best=best, 
  +                                burnin = burnin, iter = iter, thin=thin))

##########################################################################
                           Error messages
##########################################################################
  Error in LDA(DTM_tfidf, k, method = "Gibbs", control = list(nstart = 
  nstart,  : 
  The DocumentTermMatrix needs to have a term frequency weighting

Answer 1

如果您使用 topicmodels 包浏览 LDA 主题建模的文档，例如在 R 控制台中键入 ?LDA，您会看到此建模过程需要一个频率加权的文档术语矩阵，而不是 tf -idf 加权。

"Object of class "DocumentTermMatrix" with term-frequency weighting or an object coercible..."

所以答案是否定的，你不能在这个函数中直接使用 tf-idf-weighted DTM。如果您拥有 tf-idf-weighted DTM，则可以使用tm::weightTf() 对其进行转换以获得必要的权重。如果您是从头开始构建文档术语矩阵，则不要使用 tf-idf 对其进行加权。