Python 无法修复gensim中LDA模型中的种子值

当使用LDA模型时，每次我都会得到不同的主题，我希望复制相同的主题集。我在谷歌搜索过类似的问题，比如

我通过

num.random.seed（1000）

修复了文章中所示的种子，但它不起作用。我阅读了

ldamodel.py

并找到以下代码：

def get_random_state(seed):

    """
    Turn seed into a np.random.RandomState instance.
    Method originally from maciejkula/glove-python, and written by @joshloyal
    """
     if seed is None or seed is numpy.random:
         return numpy.random.mtrand._rand
     if isinstance(seed, (numbers.Integral, numpy.integer)):
         return numpy.random.RandomState(seed)
     if isinstance(seed, numpy.random.RandomState):
        return seed
     raise ValueError('%r cannot be used to seed a numpy.random.RandomState'
                      ' instance' % seed)

所以我使用代码：

lda = models.LdaModel(
    corpus_tfidf,
    id2word=dic,
    num_topics=2,
    random_state=numpy.random.RandomState(10)
)

---

但它仍然不起作用。

由

语料库生成的词典。词典可能不同于同一语料库（例如相同的单词，但顺序不同）。因此，每次都应该修复词典以及种子以获得相同的主题。下面的代码可能有助于修复词典：

dic = corpora.Dictionary(corpus)
dic.save("filename")
dic=corpora.Dictionary.load("filename")

由
语料库生成的词典。词典
可能与相同的语料库不同（例如相同的单词但不同的顺序）。因此，每次都应该修复词典以及种子以获得相同的主题。下面的代码可能有助于修复词典：

dic = corpora.Dictionary(corpus)
dic.save("filename")
dic=corpora.Dictionary.load("filename")

我同意@Marcel.Shen的观点，即您应该将输入字典保存一次并再次使用，而不是每次都重新生成，从而将其修复到LDA模型。这也可能是你得到不同结果的原因

但我认为您得到不同结果的主要原因是，您每次运行时都会随机将
随机状态设置在0-10之间。只需将随机种子值设置为常数，如1
 我同意@Marcel.Shen的观点，即您应该将输入字典保存一次并再次使用，而不是每次都重新生成，从而将其修复到LDA模型。这也可能是你得到不同结果的原因

但我认为您得到不同结果的主要原因是，您每次运行时都会随机将
随机状态设置在0-10之间。只需将随机种子值设置为常数，如1
 longtime not log in stackoverflow（长时间不登录stackoverflow，我不知道是否为时已晚）…您可以将random_状态设置为0，而不是从random函数生成的值longtime not log in stackoverflow（长时间不登录stackoverflow，我不知道是否为时已晚）…您可以将random_状态设置为0，而不是从random函数生成的值