python - 具有先前主题词的潜在狄利克雷分配

Question

上下文

我正在尝试使用 Latent Dirichlet allocation 从一组文本中提取主题来自 Scikit-Learn's decomposition module .这非常有效，除了找到/选择的主题词的质量。

在 Li et al (2017) 的文章中，作者描述了使用先前的主题词作为 LDA 的输入。他们手动选择 4 个主题以及与这些主题相关联/属于这些主题的主要词。对于这些词，他们将相关主题的默认值设置为高数字，将其他主题的默认值设置为 0。对于所有主题 (1)，所有其他词(不是为主题手动选择的)都被赋予相同的值。该值矩阵用作 LDA 的输入。

我的问题

如何使用 Scikit-Learn 的 LatentDirichletAllocation 模块使用自定义默认值矩阵(先前的主题词)作为输入来创建类似的分析？

(我知道有一个 topic_word_prior 参数，但它只需要一个 float 而不是具有不同“默认值”的矩阵。)

Answer 1

在查看了源代码和文档之后，在我看来最简单的事情就是子类 LatentDirichletAllocation 并且只覆盖 _init_latent_vars 方法。是在fit中调用的方法来创建components_属性，也就是用于分解的矩阵。通过重新实现这个方法，你可以按照你想要的方式设置它，特别是提高相关主题/特征的先验权重。您将在那里重新实现论文的初始化逻辑。