r - Topicmodels 转置术语文档矩阵

Question

我正在尝试使用 R 中的 topicmodels 包运行 LDA。手册中给出的示例使用美联社数据并且运行良好。但是，当我在自己的数据上尝试它时，我得到的主题是文档名称。我已经将问题追溯到这样一个事实，即我的术语文档矩阵是方式的转置应该是(行 -> 列)。

示例 TDM:

str(AssociatedPress)
List of 6
$ i       : int [1:302031] 1 1 1 1 1 1 1 1 1 1 ...

$ j       : int [1:302031] 116 153 218 272 299 302 447 455 548 597 ...
$ v       : int [1:302031] 1 2 1 1 1 1 2 1 1 1 ...
$ nrow    : int 2246
$ ncol    : int 10473
$ dimnames:List of 2
..$ Docs : NULL
..$ Terms: chr [1:10473] "aaron" "abandon" "abandoned" "abandoning" ...
- attr(*, "Weighting")= chr [1:2] "term frequency" "tf"
- attr(*, "class")= chr [1:2] "DocumentTermMatrix" "simple_triplet_matrix"

而我的 TDM 将术语作为行，将文档作为列:

List of 6
$ i       : int [1:10489] 1 3 4 13 20 24 25 26 27 28 ...
$ j       : int [1:10489] 1 1 1 1 1 1 1 1 1 1 ...
$ v       : num [1:10489] 1 1 1 1 2 1 67 1 44 3 ...
$ nrow    : int 5903
$ ncol    : int 9
$ dimnames:List of 2
..$ Terms: chr [1:5903] "\u2439aa" "aars" "\u2439ab" "\u242dab" ...
..$ Docs : chr [1:9] "art111130.txt" "art111131.txt" "art111132.txt" "art111133.txt" ...
- attr(*, "class")= chr [1:2] "TermDocumentMatrix" "simple_triplet_matrix"
- attr(*, "Weighting")= chr [1:2] "term frequency" "tf"

这是导致 LDA(art_tdm,3)基于文档名称构建主题，而不是文档中的术语。这是 tm 包的代码库的变化吗？我无法想象我会怎么做才能在我的代码中引起这种换位:

art_cor<-Corpus(DirSource(directory = "tmptxts"))
art_tdm<-TermDocumentMatrix(art_cor)

任何帮助，将不胜感激。

Answer 1

一方面你有一个“TermDocumentMatrix”类的对象，另一方面你有一个“DocumentTermMatrix”。

你可能只需要这样做:

art_tdm<-DocumentTermMatrix(art_cor)