數(shù)據(jù)集位于lda安裝目錄的tests文件夾中，包含三個(gè)文件：reuters.ldac, reuters.titles, reuters.tokens。
reuters.titles包含了395個(gè)文檔的標(biāo)題
reuters.tokens包含了這395個(gè)文檔中出現(xiàn)的所有單詞，總共是4258個(gè)
reuters.ldac有395行，第i行代表第i個(gè)文檔中各個(gè)詞匯出現(xiàn)的頻率。以第0行為例，第0行代表的是第0個(gè)文檔，從reuters.titles中可查到該文檔的標(biāo)題為“UK: Prince Charles spearheads British royal revolution. LONDON 1996-08-20”。

# !/usr/bin/python # -*- coding:utf-8 -*-import numpy as np import matplotlib.pyplot as plt import matplotlib as mpl import lda import lda.datasets from pprint import pprintif __name__ == "__main__":# document-term matrixX = lda.datasets.load_reuters()print(("type(X): {}".format(type(X))))print(("shape: {}\n".format(X.shape)))print((X[:10, :10]))# the vocabvocab = lda.datasets.load_reuters_vocab()print(("type(vocab): {}".format(type(vocab))))print(("len(vocab): {}\n".format(len(vocab))))print((voca

總結(jié)

以上是生活随笔為你收集整理的主题模型LDA的实现的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。