使用 Gensim LDA 模型对文本进行分类答案

【问题标题】：Classify Text with Gensim LDA Model使用 Gensim LDA 模型对文本进行分类
【发布时间】：2021-01-02 18:28:23
【问题描述】：

作为参考，我已经看过以下问题：

我希望通过 Gensim 训练我的 LDA 模型，根据模型创建的主题之一对句子进行分类。排长队的东西

lda = models.LdaModel(corpus=corpus, id2word=id2word, num_topics=7, passes=20)
lda.print_topics()
for line in document: # where each line in the document is its own sentence for simplicity
    print('Sentence: ', line)
    topic = lda.parse(line) # where the classification would occur
    print('Topic: ', topic)

我知道 gensim 没有parse 功能，但是如何实现呢？这是我一直在关注的文档，但我没有得到它：

https://radimrehurek.com/gensim/auto_examples/core/run_topics_and_transformations.html#sphx-glr-auto-examples-core-run-topics-and-transformations-py

提前致谢。

【问题讨论】：

标签： python python-3.x gensim lda

【解决方案1】：

让我来解决您的问题：您想在某些文档上训练 LDA 模型并检索 7 个主题。然后，您想在其中一个（或多个？）主题中对新文档进行分类，这意味着您想推断新的、未见文档的主题分布。

如果是这样，gensim 文档会提供答案。

lda = models.LdaModel(corpus=corpus, id2word=id2word, num_topics=7, passes=20)
lda.print_topics()
count = 1
for line in document: # where each line in the document is its own sentence for simplicity
    print('\nSentence: ', line)
    line = line.split()
    line_bow = id2word.doc2bow(line)
    doc_lda = lda[line_bow]
    print('\nLine ' + str(count) + ' assigned to Topic ' + str(max(doc_lda)[0]) + ' with ' + str(round(max(doc_lda)[1]*100,2)) + ' probability!')
    count += 1

【讨论】：