主题建模中的LSA、LDA或NMF？

Question

我正试图通过Python & NLP实现主题建模，但无法确定我应该使用哪种算法。我研究过潜在语义分析(LSA)、潜在Dirichlet分配(LDA)和非负矩阵因式分解(NMF)，但是如何确定哪一种算法最适合于特定任务？如果我只是连续地尝试所有这些，那么如何衡量结果呢？

Answer 1

据我所知，LDA是最先进的主题建模方法，但我并没有非常密切地关注这个领域。所以我想说使用LDA是非常安全的，我猜不同的方法可能会给出类似的结果。

如果您想尝试不同的方法，评估主题模型的问题是相当复杂的。这篇文章可能会有帮助。

附带注意:有一个名为递阶Dirichlet过程的非参数变量(不需要选择主题数量)。

Answer 2

因为这三种算法都有Python的标准实现，所以您应该尝试这三种方法。

评估主题建模的最佳方法之一是随机抽样主题并查看它们是否“有意义”。手动检查哪些文档在哪个集群中是一个很好的方法，可以查看主题建模是否在做您想做的事情。