Python电影组进程GSDMM如何获取每个主题下的单词列表？

Question

在客户评论的短文本上进行主题建模。已经使用GSDMM-Movie group流程将评论分为20个主题

mgp = MovieGroupProcess(K=20, alpha=0.01, beta=0.1, n_iters=30)

vocab = set(x for doc in docs for x in doc)
n_terms = len(vocab)
n_docs = len(docs)

# Fit the model on the data given the chosen seeds
y = mgp.fit(docs, n_terms)

我能够得到每个评论旁边的主题结果，如“主题1”、“主题2”。。诸如此类。如何获得每个主题下的热门单词列表？任何帮助都将不胜感激

Answer 1

下面是一个可以在python中创建的函数，用于获取最常用的单词：

def generatedfwordfreq(topicnumber, numwords):
    topic = sorted(mgp.cluster_word_distribution[topicnumber].items(), 
key=lambda k: k[1], reverse=True)[:numwords]
    dfm = pd.DataFrame(topic)
    dfm = dfm.rename(columns={0: 'Word', 1: 'Freq'})
    return dfm

上面返回一个数据帧，其中包含最前面的“numwords”单词的单词和频率；numwords是最常用字数的整数。请注意，mgp将主题编号存储为整数（1,2,3…），因此可以通过调用mgp.cluster\u word\u distribution[topicnumber]将其用作“topicnumber”来引用特定主题