r语言 - 如何使用吉布斯采样计算LDA的困惑度

Question

我在 R 中对 200+ 个文档的集合(总共 65k 个单词(执行 LDA 主题模型。文档已经过预处理，并存储在文档术语矩阵dtm中。从理论上讲，我应该期望在语料库中找到 5 个不同的主题，但我想计算困惑度分数，看看模型拟合如何随着主题数量的变化而变化。下面是我使用的代码。问题是当我尝试计算困惑分数时，它会给我一个错误，我不确定如何解决它(我是 R 的新手(。错误位于代码的最后一行。我将不胜感激任何帮助。

burnin <- 4000  #burn-in parameter
iter <- 2000    # #of iteration after burn-in
thin <- 500     #take every 500th iteration for further use to avoid correlations between samples
seed <-list(2003,10,100,10005,765)
nstart <- 5     #use 5 different starting points
best <- TRUE    #return results of the run with the highest posterior probability
#Number of topics (run the algorithm for different values of k and make a choice based by inspecting the results)
k <- 5
#Run LDA using Gibbs sampling
ldaOut <-LDA(dtm,k, method="Gibbs", 
control=list(nstart=nstart, seed = seed, best=best, 
burnin = burnin, iter = iter, thin=thin))
perplexity(ldaOut, newdata = dtm)
Error in method(x, k, control, model, mycall, ...) : Need 1 seeds

Answer 1

它还需要一个参数"estimate_theta"，

使用以下代码：

perplexity(ldaOut, newdata = dtm,estimate_theta=FALSE)