如何初始化gensim LDA主题模型？

Question

有人认为，使用词簇初始化主题模型可以获得更高质量的模型或更健壮(一致)的推理。我说的是初始化优化器，而不是设置优先级。下面是一些代码来说明我想要做的事情：

创建一个LdaModel对象，但不要传入一个语料库。

lda_model =
LdaModel(
         id2word=id2word,
         num_topics=30,
         eval_every=10,
         pass=40,
         iterations=5000)

接下来，指定对象的一些属性，对应于将主题中的每个单词绘制到我自己构造的矩阵的概率。

lda_model.topics = my_topic_mat

然后配合语料库：

lda_model.update(corpus)

谢谢你的帮助！

Answer 1

实际上，设置优先级可能比初始化优化器更好。

有两个超参数alpha和eta，其中alpha是文档主题矩阵的先验，eta是主题词矩阵的先验。要影响主题中的单词概率，请尝试传递eta作为附加参数：

lda_model = gensim.models.ldamodel.LdaModel(num_topics=30, id2word=id2word, eta=your_topic_mat, 
                                            eval_every=10, iterations=5000)

来自gensim docs

eta可以是对称优先于主题/词分布的标量，也可以是形状num_words的向量，用于将(用户定义的)不对称先验强加于单词分布。它还支持特殊的值‘auto’，它学习不对称的优先于直接从您的数据单词。eta也可以是形状num_topics x num_words的矩阵，它可以用于在每个主题的基础上对单词分布施加不对称的先验(不能从数据中学习)。