我一直在使用topicmodels
包在R.中创建LDA模型
require(tm)
require(topicmodels)
textvector <- c("this is one sentence", "this is another one",
"a third sentence appears")
#and more, read in through a file
dtm <- DocumentTermMatrix(Corpus(VectorSource(textvector)))
lda.model <- LDA(dtm, 5)
但格式接受文档的唯一方式是将文档作为实际的文本文档。我想知道是否有一种方法可以提供频率的地图
[word1: 4, word2: 9, word3: 25, word5:3...]
这显然不是R中的"地图",而是任何允许根据词频创建主题模型的数据结构(数据框架、表、向量列表)表示?
我需要这样做的原因是,主题模型不是在"文档"one_answers"单词"上创建的,而是在图像中创建类似的特征,并且长格式表示需要太多空间。
您不需要使用tm的调用来创建文档术语矩阵。只要"文档"在行中,组件"单词"在列中表示,就可以创建并发送自己的文档。然而,您不能简单地在表中提供频率计数,因为LDA依赖于知道哪些单词出现在哪些文档中!