主题建模：如何使用拟合的LDA模型为R中的新数据集预测新主题？

我在R中使用“lda”包进行主题建模。我想使用新数据集的拟合潜在Dirichlet分配（LDA）模型预测新主题（文档中相关单词的集合）。在这个过程中，我遇到了predictive.distribution（）函数。但该函数将文档_和作为输入参数，这是拟合新模型后结果的输出。我需要帮助了解现有模型在新数据集上的使用，并预测主题。 以下是Johnathan Chang为该软件包编写的文档中的示例代码： 下面是它的代码：

#Fit a model
data(cora.documents)
data(cora.vocab)

K <- 10 ## Num clusters

result <- lda.collapsed.gibbs.sampler(cora.documents,K, cora.vocab,25, 0.1, 0.1) 

# Predict new words for the first two documents
predictions <-  predictive.distribution(result$document_sums[,1:2], result$topics, 0.1, 0.1)

# Use top.topic.words to show the top 5 predictions in each document.
top.topic.words(t(predictions), 5)

#适合模型
数据（cora.文件）
数据（cora.vocab）
K我不知道如何在R中实现这一点，但请看一下Wallach等人2009年发表的题为“主题模型的评估方法”的出版物。看看第4节，它提到了三种计算P（z | w）的方法，一种基于重要性抽样，另两种称为“Chib风格估计量”和“从左到右估计量”

Mallet实现了从左到右的估计器方法
您可能希望使用此策略进行搜索：[r]“可复制示例”。（我不是投反对票的人，但我怀疑，投反对票的人觉得这个问题太模糊了，无法接受大部分以编码为终点的答案。）@DWin谢谢你的建议，但我的怀疑不是关于是否有可复制的代码，而是我想知道我是否可以使用预测分布（）函数在我尚未拟合模型的新数据集上运行，如果不是这样，则有一种方法可以在新数据集上使用现有模型。请原谅我在我的原始帖子中缺乏细节，因为我对编程基本上是新手，并在论坛上发表了我的疑问。问题不是“再现性”，而是具体性。您的问题没有代码，也没有示例数据。我怀疑“主题”一词是否是LDA特有的。您需要提供与特定性相匹配的数据集的背景和构造。这是一个编码站点。我将添加一个否决票，如果我回来时有数据和代码，我将删除该否决票。@DWin我希望这能清楚地说明我的问题。这个问题已经在这里提出并回答了：