基于Tensorflow的文档相似性研究

我对TensorFlow和文档相似性/主题建模都是新手，因此，如果我的问题没有完全意义，我深表歉意

从我有限的理解来看，主题建模是使用诸如LSA、LDA等算法完成的。我见过使用gensim和LSA的代码，但对于我心目中的大型文档集来说，培训时间非常长。因此，CPU和RAM资源非常繁重

Tensorflow似乎没有本地LSA或LDA实现

如能就以下事项发表意见，我将不胜感激：

• 使用Tensorflow实现的LDA会比使用gensim实现的LDA具有更好的性能吗

• 有人能告诉我其他的Tensorflow原语，我应该考虑文档相似性而不是LDA吗

如果我的问题过于含糊，没有提供足够的信息，无法给出适当的答复，我再次表示歉意。我是这个领域的新手，如果有人能给我指点方向，我将不胜感激

谢谢你抽出时间

问候,，

---

据我所知，TensorFlow目前没有LDA的任何内置功能。然而，它确实有word2vec（就像Gensim一样）-如果你真的想使用TensorFlow，你可以使用word2vec，通过单词嵌入更好地理解你的文档；然后，您可以使用t-SNE可视化这些单词嵌入。我很感激这不是文档比较，但这只是一个开始。据我所知，TensorFlow目前没有LDA的任何内置功能。然而，它确实有word2vec（就像Gensim一样）-如果你真的想使用TensorFlow，你可以使用word2vec，通过单词嵌入更好地理解你的文档；然后，您可以使用t-SNE可视化这些单词嵌入。我很感激这不是文档比较，但这只是一个开始。