Python 如何使用Gensim应用句子级LDA模型？

是否有可能使用Bao和Datta（2014）中提出的Gensim应用句子级LDA模型？报纸

它的显著特点是“每句话一个主题”（第1376页）。这与其他句子级方法不同，后者通常允许每个句子包含多个主题。“最直接的方法是将每个句子视为一份文件，并将LDA模型应用于句子而不是文件的收集。”（第1376页）。但是，我认为更合理的假设是一句话涉及一个主题

---

谢谢大家!

如果您将文档拆分为多个句子，您可以轻松地运行Brody&Elhadad（2010）所称的功能—只需将文本数据逐句输入LDA即可。然而，LDA仍然会为每个句子提供不止一个主题（根据定义，您可以获得所有主题的值，尽管gensim的

最小概率默认值为0.01），这当然与Bao&Datta提出的方法不同

但是，BAO和DATA（2014）的文章包含C或C++（我假设，它在自述中不说）<代码> .exe < /Cl> +材料中的使用说明。您可以从命令行运行它，或者编写一个（以gensim格式输出将是锦上添花）-如果您这样做，请共享您的代码，这可能会对其他人有所帮助。
为Python编写包装器难吗？谢谢。如果我能把输出转换成gensim格式那就太好了，因为我想把主题可视化。你能再给我一些提示吗？非常感谢。这当然不是一个五分钟就可以定制的东西，但是你可以把我链接的教程作为一个起点，了解发生了什么，然后甚至可以修改gensim的
dtmmodel
（这是David Blei最初的DTM和DIM代码的包装）。问题是你是否需要这样做。如果你只是想可视化结果，你可以在你的数据上运行Bao&Datta程序，得到输出，然后在你想要的任何程序中分析和可视化它。很高兴知道。非常感谢。