Похоже, что этот вопрос, возможно, был задан несколько раз (здесь и здесь), но он еще не ответил. Я надеюсь, что это связано с предыдущей двусмысленностью вопроса (вопросов), о чем свидетельствуют комментарии. Я прошу прощения, если я нарушаю протокол, задав еще один вопрос, я просто предположил, что эти вопросы не будут видеть никаких новых ответов.
Во всяком случае, я новичок в выборе Latent Dirichlet и изучаю его использование в качестве средства уменьшения размеров текстовых данных. В конечном счете, я хотел бы извлечь меньший набор тем из очень большого пакета слов и построить модель классификации, используя эти темы, как несколько переменных в модели. У меня был успех при запуске LDA на тренировочном наборе, но проблема, с которой я сталкиваюсь, - это предсказать, какая из этих тем появляется в другом тестовом наборе данных. Я использую пакет R topicmodels прямо сейчас, но если есть другой способ для этого, используя какой-то другой пакет, я также открыт для этого.
Вот пример того, что я пытаюсь сделать:
library(topicmodels)
data(AssociatedPress)
train <- AssociatedPress[1:100]
test <- AssociatedPress[101:150]
train.lda <- LDA(train,5)
topics(train.lda)
#how can I predict the most likely topic(s) from "train.lda" for each document in "test"?
