R-是否可以找到给定文档中发生的LDAVI产生的主题的后验概率?如何，如果是这样

Question

从问题中可能看出也可能不会明显，我对R很新，我可以在此方面做些帮助。

创建主题模型时，我已经尝试了LDA和LDAVIS -（a）和（b）中的LDA和LDAVIS -CODE。（a）中的LDA允许我找到语料库中每个文档中发生的主题的后验概率，而我曾经使用其他数据集的变量来运行回归。（b）使用ldavis的主题生成方法比通过（a）生成"更好"，更连贯的主题Ldavis方法，还是将其视为不可能的任务。

所有建议都非常感谢。

谢谢！

（a）

set.seed(1)
require(topicmodels)
set.seed(1)
P5LDA4 <- LDA(P592dfm, control=list(seed=1), k = 23)
set.seed(1)
terms(P5LDA4, k =30)
#find posterior probability
postTopics <- data.frame(posterior(P5LDA4)$topics)
postTopics

（b）

# MCMC and model tuning parameters:
K <- 23
G <- 5000
alpha <- 0.02
eta <- 0.02
# convert to lda format
dfmlda <- convert(newdfm, to = "lda")
# fit the model
library(lda)
set.seed(1)
t1 <- Sys.time()
fit <- lda.collapsed.gibbs.sampler(documents = dfmlda$documents, K = K, 
                               vocab = dfmlda$vocab, 
                               num.iterations = G, alpha = alpha, 
                               eta = eta, initial = NULL, burnin = 0,
                               compute.log.likelihood = TRUE)
t2 <- Sys.time()
t2 - t1
#Time difference of 3.13337 mins
save(fit, file = "./fit.RData")
load("./fit.RData")
library(LDAvis)
set.seed(1)
json <- createJSON(phi = t(apply(t(fit$topics) + eta, 2, function(x) x/sum(x))), 
               theta = t(apply(fit$document_sums + alpha, 2, function(x) x/sum(x))), 
               doc.length = ntoken(newdfm), 
               vocab = features(newdfm), 
               term.frequency = colSums(newdfm))
serVis(json, out.dir = "./visColl", open.browser = TRUE)

Answer 1

在您的代码B中，您已经在创建JSON时已经计算后部。

1. theta：a d×k矩阵是文档主题分布的后部。
2. phi：a k×w矩阵是主题分布的后部。

希望有帮助！