1
Gensimを使用してLDAメソッドを適用し、ドキュメントからキーワードを抽出しています。 トピックを抽出し、これらのトピックとトピックに関連するキーワードを割り当てることができます。Python、LDA:Gensimでキーワードの代わりにキーワードのIDを取得する方法は?
私は、用語そのものではなく、これらの用語(またはキーワード)のIDを取得したいと考えています。私はcorpus[i]
が文書i
のカップルのリスト((term_id、term_frequency)...]を抽出することを知っていますが、私はコード内でこれを使ってIDだけを抽出し、結果に割り当てることはできません。次のように
私のコードは次のとおりです。
ldamodel = gensim.models.ldamodel.LdaModel(corpus, num_topics=num_topics, id2word = dictionary, passes=passes, minimum_probability=0)
# Assinging the topics to the document in corpus
lda_corpus = ldamodel[corpus]
# Find the threshold, let's set the threshold to be 1/#clusters,
# To prove that the threshold is sane, we average the sum of all probabilities:
scores = list(chain(*[[score for topic_id,score in topic] \
for topic in [doc for doc in lda_corpus]]))
threshold = sum(scores)/len(scores)
print(threshold)
for t in range(len(topic_tuple)):
key_words.append([topic_tuple[t][j][0] for j in range(num_words)])
df_key_words = pd.DataFrame({'key_words' : key_words})
documents_corpus.append([j for i,j in zip(lda_corpus,doc_set) if i[t][1] > threshold])
df_documents_corpus = pd.DataFrame({'documents_corpus' : documents_corpus})
documents_corpus_id.append([i for d,i in zip(lda_corpus, doc_set_id) if d[t][1] > threshold])
df_documents_corpus_id = pd.DataFrame({'documents_corpus_id' : documents_corpus_id})
result.append(pd.concat([df_key_words, df_documents_corpus, df_documents_corpus_id ], axis=1))
は、事前にありがとうとより多くの情報が必要な場合は私に尋ねます。