Python LDA生成的主题

因此，我与gensim和LDA的合作相对较新，大约在两周前开始，我很难相信这些结果。以下是使用11个1段文档生成的主题

主题0（0.500）：0.059*岛屿+0.059*世界+0.057*计算机+0.056*总统+0.053*帖子+0.047*帖子+0.046*蒂华纳+0.045*副+0.045*推特+0.045*总统

2015-06-04 16:22:07891：信息：主题1（0.500）：0.093*计算机+0.064*世界+0.060*职位+0.053*欧元区+0.052*月+0.049*提华纳+0.048*岛屿+0.046*加薪+0.044*利率+0.042*年

---

这些话题似乎不太正确。事实上，它们看起来几乎毫无意义。我应该如何准确地阅读这些结果？另外，两个主题的主题分布完全相同是否正常

那么，您只有11个文档，并试图从中获取2个主题？可能是没有足够的数据，但尝试迭代更多

顺便问一句，每次迭代后，负对数可能性还是困惑度都会下降

---

只要看看结果，我想如果你迭代更多，你就会得到正确的结果，因为算法已经在一个主题中正确地把语义相近的东西放在一起了。（帖子、帖子、推特；月、年）

它们在什么方面看起来是荒谬的？它们似乎是荒谬的，因为每个主题的标记似乎没有那么相关，我无法为这两个主题中的每一个做出一般的“叙述”