Тренинг LDA по Википедии корпус для тега произвольной статьи? - PullRequest
Новая
       10

Тренинг LDA по Википедии корпус для тега произвольной статьи?

0 голосов
/ 01 сентября 2018

Я выполнил шаги в gensim Python https://radimrehurek.com/gensim/wiki.html для обучения Википедии по модели LDA, теперь я хочу сравнить произвольную статью с cnn.com, например, с обученными данными, что мне нужно делать дальше? Предположим, эта статья в текстовом файле?

1 Ответ

0 голосов
/ 01 сентября 2018

Взят отсюда : 

# Create a new corpus, made of previously unseen documents.
cnn_article = [
    ['This', 'is', 'my', 'cnn', 'article'],
    ]
other_corpus = [common_dictionary.doc2bow(text) for text in cnn_article]
unseen_doc = other_corpus[0]
vector = lda[unseen_doc] # get topic probability distribution for a document

Затем получите сходство с помощью gensims Класс сходства .

Обновление:

Чтобы точнее обратиться к учебнику и вашему текстовому файлу: 

# Create a corpus from a list of texts
common_dictionary = Dictionary(common_texts)
common_corpus = [common_dictionary.doc2bow(text) for text in common_texts]

# Train the model on the corpus.
lda = LdaModel(common_corpus, id2word=common_dictionary, num_topics=10)

# optional: print topics of your model
for topic in lda.print_topics(10):
    print(topic)

# load your CNN article from file
with open("cnn.txt", "r") as file:
    cnn = file.read()

# split article into list of words and make this list an element of a list
cnn = [cnn.split(" ")]

cnn_corpus = [common_dictionary.doc2bow(text) for text in cnn]

unseen_doc = cnn_corpus[0]
vector = lda[unseen_doc] # get topic probability distribution for a document

# print out «similarity» of cnn article to each of the topics
# bigger number = more similar to topic 
print(vector)
...