R 如何找到lda的最佳措施

使用quanteda软件包中的for lda

require(quanteda)
require(quanteda.corpora)
require(lubridate)
require(topicmodels)
corp_news <- download('data_corpus_guardian')
corp_news_subset <- corpus_subset(corp_news, 'date' >= 2016)
ndoc(corp_news_subset)
dfmat_news <- dfm(corp_news, remove_punct = TRUE, remove = stopwords('en')) %>% 
    dfm_remove(c('*-time', '*-timeUpdated', 'GMT', 'BST')) %>% 
    dfm_trim(min_termfreq = 0.95, termfreq_type = "quantile", 
             max_docfreq = 0.1, docfreq_type = "prop")

dfmat_news <- dfmat_news[ntoken(dfmat_news) > 0,]
dtm <- convert(dfmat_news, to = "topicmodels")
lda <- LDA(dtm, k = 10)

require（quanteda）
require（quanteda.corpora）
要求（润滑）
需要（topicmodels）
公司新闻%
dfm_微调（最小termfreq=0.95，termfreq_type=“分位数”，
max_docfreq=0.1，docfreq_type=“prop”）
dfmat_新闻0，]
dtm有几种拟合优度（GoF）指标可用于评估LDA模型。最常见的称为困惑，您可以通过包topicmodels中的函数
complexity（）
来计算它。选择最佳模型的方法是在绘图中查找“膝盖”。这个想法源于无监督的方法，是运行具有不同主题的多个LDA模型。随着主题数量的增加，您应该会看到困惑减少。当您发现膝盖或增量减少可以忽略不计时，您希望停止。当您运行主成分分析时，请仔细查看屏幕图

话虽如此，有一个名为R的包，它实现了基于密度聚类和Kullback-Leibler散度的四个额外指标。其中三种方法可用于VEM和Gibbs推理，而方法by只能用于Gibbs推理。对于其中一些指标，您寻找最小值，而对于其他指标，您寻找最大值。此外，您始终可以计算希望最大化的模型的对数可能性。从
LDA
对象中提取可能性的方法非常简单。假设您有一个名为
ldamodel
的LDA模型：

loglikelihood = as.numeric(logLik(ldamodel))

围绕这个主题有很多研究。例如，您可以查看以下文件：





另外，你可以看看我和我的一个同事正在写的一篇论文的预印本，它使用简单的参数测试来评估GoF。我们还开发了一个R软件包，可以在
LDA
类的LDA模型列表上使用，这些模型来自topicmodels。你可以找到纸和包裹。我们非常欢迎您提交您在文件包中发现的任何问题。目前正在对该文件进行审查，但再次表示欢迎发表评论

希望这有帮助
 搜索主题模型的性能如何？@Sangwonkim您的意思是查找Gibbs、Recover和RecoverL2的比较，以确定特定数量的主题？也许这有助于：