主题建模：LDA、每个主题中的词频和Wordcloud

问题：我如何计算和编码每个主题中的单词频率？ 我的目标是从每个主题创建“单词云”

我对wordcloud没有问题

根据守则,

  burnin <- 4000  #We do not collect this.
  iter <- 4000
  thin <- 500
  seed <-list(2017,5,63,100001,765)
  nstart <- 5
  best <- TRUE
  #Number of topics: 
  k <- 4
  LDA_results <-LDA(DTM,k, method="Gibbs", control=list(nstart=nstart,
                           seed = seed, best=best, 
                           burnin = burnin, iter = iter, thin=thin))

---

burnin根据每个主题的单词（
DTM[，topterms]
）从您的
DTM
中提取一个子集，并获取子集文档术语矩阵的列总和（
slam:：col_sums
）。例如：

library(topicmodels)
library(tm)
library(wordcloud)
txt <- c(world="Hello hello world world world foo", foo="foo foo bar fizz")
dtm <- DocumentTermMatrix(VCorpus(VectorSource(txt)))
lda <- LDA(dtm, control = list(alpha = 0.1), k = 2)
freqlst <- lapply(
  terms(lda, thres=.2, simplify=F), 
  function(topterms) slam::col_sums(dtm[,topterms])
)
par(mfrow = c(1,2))
invisible(lapply(freqlst, function(x) 
  wordcloud(names(x), x, min.freq = 0)
))

库（topicmodels）
图书馆（tm）
图书馆（wordcloud）
txt如果你想为每个主题创建一个wordcloud，你需要的是每个主题的顶级术语，即每个主题生成的最可能的单词。这种概率被称为
beta
；这是每个主题每个单词的概率。贝塔概率越高，该词从该主题生成的概率就越高

您可以使用tidytext中的
tidy
，从LDA主题模型中获得整洁数据框中的
beta
概率。让我们看一个示例数据集，并使用两个主题拟合一个模型。


库（tidyverse）
图书馆（tidytext）
库（topicmodels）
数据（“关联新闻”）
ap_lda%
顶级（200，测试版）%>%
解组（）%>%
安排（主题，-beta）

您现在可以使用它来创建wordcloud（通过一些重塑）。
beta
概率就是你想要对应单词大小的概率。


库（wordcloud）
图书馆（E2）
ap_top_术语%>%
变异（主题=粘贴（“主题”，主题））%>%
acast（术语~主题，value.var=“beta”，填充=0）%>%
云（颜色=c（“#F8766D”），“#00BFC4”），
最大字数=100）

你好，卢卡，请快速回复。。。。谢谢你的回复。“我会试试看，稍后再给你回复。”沙切万：不用担心。谢谢你，朱莉娅！我正在研究你的密码和下面那位先生的密码。。。。非常感谢。你能给我一些关于如何从矩阵“Beta”中绘制wordcloud的指导吗。厚度在我的代码中以频率表示。wordcloud（words=d$term，freq=d$freq，min.freq=1，max.words=200，random.order=FALSE，rot.per=0.35，colors=brewer.pal（8，“Dark2”））