我不想通过设置topic_word_prior参数来初始化主题，而是希望根据预定义的词语分布来初始化主题。如何在sklearn的实现中设置这种初始主题分布？如果做不到，有没有更好的实现可以考虑？
回答：
如果你有一个预训练模型中预定义的词语分布，你可以将bow_corpus通过这个分布作为一个函数传递。Gensim的LDA和LDAMallet都可以先训练一次，然后你可以传递一个新的数据集进行分配，而不会改变主题。
步骤：
- 导入你的数据
- 清理你的数据：去除标点符号、数字，词形还原，去除停用词，并进行词干提取
-
创建一个词典
dictionary = gensim.corpora.Dictionary(processed_docs[:])dictionary.filter_extremes(no_below=15, no_above=0.5, keep_n=100000) -
定义一个词袋语料库
bow_corpus = [dictionary.doc2bow(doc) for doc in processed_docs] -
训练你的模型 – 如果已经训练过则跳过此步骤
ldamallet = gensim.models.wrappers.LdaMallet(mallet_path, corpus=bow_corpus, num_topics=15, id2word=dictionary) -
导入你的新数据并按照步骤1-4进行处理
-
像这样将你的新数据通过你的模型传递：
ldamallet[bow_corpus_new[:len(bow_corpus_new)]] -
你的新数据现在已经分配好了，你可以将其放入CSV文件中
