如何使用LDA（Python）从标题列表中生成主题？

Question

我不熟悉自然语言处理。 我有一个博客标题列表，例如（不是真实数据，但你明白了）：

docs = ["Places to Eat", "Places to Visit", "Top 10 Things to Do in Singapore"]...

大约有3000多个标题，我想用Python中的LDA为每个标题生成主题。假设我已经使用nltk包清理并标记了这些文本，并删除了停止字，那么我将得到：

^{pr2}$

然后我继续把这些文字转换成一袋字：

from gensim import corpora, models
dictionary = corpora.Dictionary(texts)

corpus = [dictionary.doc2bow(text) for text in texts]

语料库数据如下：

[(0, 1), (1, 1)]...

模型创建：

import gensim
ldamodel = gensim.models.ldamodel.LdaModel(corpus, num_topics=30, id2word = dictionary, passes=20)

我如何利用这个模型为每个标题生成一个主题列表-例如“吃”、“访问”等？我知道输出可能包含概率，但我只想将它们与文本串在一起。在

Answer 1

您可以使用

Ldamodel.show_topics()

然后用

^{pr2}$

其中doc是一个单词向量的文档包。在

https://radimrehurek.com/gensim/models/ldamodel.html