是否可以像 Bao and Datta (2014) 中提出的那样使用 Gensim 应用句子级 LDA 模型？论文is here。
其独特之处在于它提出了“每个句子一个主题的假设”（第 1376 页）。这与其他句子级方法不同，后者通常允许每个句子包含多个主题。 “最直接的方法是将每个句子视为一个文档，并将 LDA 模型应用于句子集合而不是文档。” （第 1376 页）。但是，我认为假设一句话处理一个主题更合理。
谢谢！
【问题讨论】：
您可以运行 Brody & Elhadad (2010) 所称的 local-LDA - 只需将您的文本数据逐句输入 LDA - 如果您将文档拆分为句子，则很容易。但是，LDA 仍然会为每个句子提供一个以上的主题（根据定义，您可以获得所有主题的值，尽管 gensim 的 minimum_probabiliy 默认值为 0.01），这当然与 Bao & 提出的方法不同数据。
但是，Bao & Datta (2014) 的文章中的supplemental material 包含 C 或 C++（我假设，自述文件中没有说明）.exe 以及材料中的使用说明。你可以直接从命令行运行它，或者写一个wrapper for Python（让gensim格式的输出是锦上添花）——如果你这样做了，请分享你的代码，它可能对其他人有帮助。
【讨论】：
dtmmodel（即David Blei 的原始 DTM 和 DIM 代码的包装器）。问题是你是否需要。如果您只想可视化结果，您可以对您的数据运行 Bao & Datta 程序，获取该输出，然后在任何您想要的程序中分析和可视化它。