Topicmodels 转置术语文档矩阵答案

【问题标题】：Topicmodels transposes the term document matrixTopicmodels 转置术语文档矩阵
【发布时间】：2012-10-20 19:16:52
【问题描述】：

我正在尝试使用 R 中的 topicmodels 包运行 LDA。手册中给出的示例使用美联社数据并且运行良好。但是，当我在自己的数据上尝试它时，我会得到术语是文档名称的主题。我已经将问题追溯到这样一个事实，即我的术语文档矩阵是方式的转置应该是（行 -> 列）。

TDM 示例：

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"

然而，我的 TDM 将术语作为行，将文档作为列：

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"

这导致LDA(art_tdm,3) 基于文档名称而不是文档中的术语来构建主题。这是 tm 包的代码库的变化吗？我无法想象我会做些什么来在我的代码中造成这种换位：

art_cor<-Corpus(DirSource(directory = "tmptxts"))
art_tdm<-TermDocumentMatrix(art_cor)

任何帮助将不胜感激。

【问题讨论】：

标签： r

【解决方案1】：

一方面你有一个“TermDocumentMatrix”类的对象，另一方面你有一个“DocumentTermMatrix”。

您可能只需要这样做：

art_tdm<-DocumentTermMatrix(art_cor)

【讨论】：

是的，就是这样。谢谢！我还发现矩阵转置函数t() 也适用于这个类，并且达到了相同的结果。
我想知道使用t()。但是，我无法在 package::tm 中找到“AssociatedPress”。