Nlp 如何从现有文本簇中提取主题？

我在一个文本语料库上进行了硬聚类（使用tf-idf权重），得到了~=200个聚类。如果我想获得每个集群的主题，我该如何做

我曾尝试在原始文本语料库（预聚类）上使用LDA，并获得了许多主题，但我不确定如何将这些主题映射到我现有的每个集群上。 是否有其他方法可以推荐LDA，或者LDA是正确的方法，我如何继续

在线材料只展示了如何将lda主题映射到文档语句，而不是预先存在的集群。如果我这样做，并根据指定的主题对这些句子进行分段，我将从我原来的聚类中得到不同的结果（这并不理想）

---

提前感谢您的帮助，如果有任何概念上的错误，请原谅，因为我对NLP比较陌生。

我的方法是按指定的群集拆分TFIDF文档术语矩阵，然后将术语的TFIDF分数相加（基本上将所有行相加）。这将为您提供每个集群的顶级单词

如果我们假设

dtm

是您的文档术语矩阵，“features”是按照

dtm

列的顺序排列的术语列表，

clusters

是按照与

dtm

中的行相同的顺序排列的簇标签列表，那么这将为您提供每个簇的顶部单词

import pandas as pd

def top_terms(df, top_n=5):
    return df.sum().sort_values(ascending=False).head(top_n)

df = pd.DataFrame(dtm, columns=features)

df['labels'] = clusters

df.groupby('labels').apply(top_terms, top_n=10)

---

您使用什么编程语言进行分析？知道答案与您相关会很有帮助。哦，是的，我目前正在使用python，谢谢您的提问：）哦，是的，我目前正在使用python，谢谢您的提问：）