带有主题模型 (R) 的 LDA，如何查看不同文档属于哪些主题，并保留文档标题?

Question

我很欣赏 Ben 在这里的回答：带有主题模型的 LDA，我如何查看不同文档属于哪些主题？

我的问题是：如何在最后一步中保留文档标题？例如：

在单独的文本文件中手动创建三个.txt文档，并将它们存储在目录 ~Desktop/nature_corpus

第一个文件标题：自然.txt

第一个文档内容：名词自然世界，大自然母亲，地球母亲，环境;野生动物，动植物，乡村;宇宙，宇宙。

第二个文件标题：保护.txt

第二文献内容：名词热带森林保护：保存、保护、保障、保管;看护、监护、饲养、监督;保养、保养、修理、恢复;生态、环保。

第三个文件标题：鸟.txt

第三文档文本：名词喂鸟：家禽; 雏鸟，雏鸟，雏鸟; 非正式羽毛朋友，小鸟; 虎皮鹦鹉;(鸟类)技术鸟类。

#install.packages("tm")
#install.packages("topicmodels")
library(tm)
# Create DTM
#. The file path is a Mac file path.
corpus_nature_1 <- Corpus(DirSource("/Users/[home folder name]/Desktop/nature_corpus"),readerControl=list(reader=readPlain,language="en US")) 
corpus_nature_2 <- tm_map(corpus_nature_1,removeNumbers)
corpus_nature_3 <- tm_map(corpus_nature_2,content_transformer(tolower))
mystopwords <- c(stopwords(),"noun", "verb")
corpus_nature_4 <- tm_map(corpus_nature_3,removeWords, mystopwords)
corpus_nature_5 <- tm_map(corpus_nature_4,removePunctuation)
corpus_nature_6 <- tm_map(corpus_nature_5,stripWhitespace)
dtm_nature_1 <- DocumentTermMatrix(corpus_nature_6)
inspect(dtm_nature_1)
<<DocumentTermMatrix (documents: 3, terms: 42)>>
Non-/sparse entries: 42/84
Sparsity           : 67%
Maximal term length: 16
Weighting          : term frequency (tf)
Sample             :
Terms
Docs               avifauna birdie birds budgie chick feathered feeding fledgling fowl mother
bird.txt                1      1     2      1     1         1       1         1    1      0
conservation.txt        0      0     0      0     0         0       0         0    0      0
nature.txt              0      0     0      0     0         0       0         0    0      2

使用主题模型运行的主题模型：

# Run topic model 2 topics
library(topicmodels)
topicmodels_LDA_nature_2 <- LDA(dtm_nature_1,2,method="Gibbs",control=list(seed=1),model=NULL)
terms(topicmodels_LDA_nature_2,3)
Topic 1  Topic 2   
[1,] "birds"  "avifauna"
[2,] "mother" "birdie"  
[3,] "chick"  "budgie"  

如何在此处保留文档标题(在检查(dtm_nature_1)行中可见)？

# Create CSV Matrix 2 topics
matrix_nature_2 <- as.data.frame(topicmodels_LDA_nature_2@gamma)
names(matrix_nature_2) <- c(1:2)
write.csv(matrix_nature_2,"matrix_nature_2.csv")
#. Rows in this table are documents, columns are topics.
1           2
1   0.46875     0.53125
2   0.52238806  0.47761194
3   0.555555556 0.444444444

谢谢。

Answer 1

我找到了这个解决方法，但如果有一个更简洁的解决方案，我将不胜感激。运行上面的所有代码后，运行以下命令：

wordMatrix = as.data.frame( t(as.matrix(dtm_nature_1)) )
write.csv(wordMatrix,"dtm_nature_1.csv")

然后导入从此代码派生的 CSV 文件(从上面)：

matrix_nature_2 <- as.data.frame(topicmodels_LDA_nature_2@gamma)
names(matrix_nature_2) <- c(1:2)
write.csv(matrix_nature_2,"matrix_nature_2.csv")

到 Excel 中，然后将dtm_nature_1.csv导入到 Excel 文件的第二个工作表中。然后从dtm_nature_1.csv复制文档标题列表(列标题)，并将它们粘贴到表格的清晰列中以供matrix_nature_2.csv。