用在线LDA预测d测验

Question

我正在使用在线LDA来执行一些主题建模任务。我使用的核心代码基于原始在线LDA论文：Hoffman，Blei和Bach，“潜在Dirichlet分配的在线学习”，NIPS，2010。代码可以在：https://github.com/blei-lab/onlineldavb上找到。在

我用的是大约167000份文件。代码生成lambda文件作为输出，我用它来生成主题（https://github.com/wellecks/online_lda_python，打印主题.py)。但我不确定如何使用它来查找有关新测试数据的主题（类似于model.get_document_主题在gensim）。 请帮助解决我的困惑。在

Answer 1

在测试数据上遵循相同的数据处理步骤，即标记化等，然后使用训练数据词汇将测试数据转换为gensim语料库。在

一旦你有了测试语料库，使用LDA来查找文档主题分布。希望这有帮助。在

Answer 2

在代码中，您已经有足够的代码来完成此操作。您所拥有的是lambda（单词topic矩阵），您想要计算的是gamma（文档主题矩阵）。

您只需要在文档上调用^{{cd1>}，结果是主题向量。可以通过从中剥离^{{cd2>}来提高性能，因为这些仅需更新lambda。结果是一个函数，它只会推断模型的主题向量。

您不需要更新模型，因为您没有训练它，这是^{cd3>}调用^{{cd4>}之后所做的。