python - Gensim LDA 一致性得分 Nan

Question

我创建了一个 Gensim LDA 模型，如本教程所示:https://www.machinelearningplus.com/nlp/topic-modeling-gensim-python/

lda_model = gensim.models.LdaMulticore(data_df['bow_corpus'], num_topics=10, id2word=dictionary, random_state=100, chunksize=100, passes=10, per_word_topics=True)

它生成 10 个主题，log_perplexity 为:

lda_model.log_perplexity(data_df['bow_corpus']) = -5.325966117835991

但是当我在其上运行连贯性模型来计算连贯性分数时，如下所示:

coherence_model_lda = CoherenceModel(model=lda_model, texts=data_df['bow_corpus'].tolist(), dictionary=dictionary, coherence='c_v')
with np.errstate(invalid='ignore'):
    lda_score = coherence_model_lda.get_coherence()

我的 LDA 分数为 nan。我在这里做错了什么？

Answer 1

解决了!连贯模型需要原始文本，而不是输入到 LDA_Model 的训练语料库 - 所以当我运行这个时:

coherence_model_lda = CoherenceModel(model=lda_model, texts=data_df['corpus'].tolist(), dictionary=dictionary, coherence='c_v')
with np.errstate(invalid='ignore'):
    lda_score = coherence_model_lda.get_coherence()

I got a coherence score of: 0.462

希望这可以帮助其他犯同样错误的人。谢谢!