了解Gensim LDA模型中的参数

我想知道您是否看过此页面？

无论哪种方式，让我为您解释一些事情。该方法使用的文档数量很少（在经过Wikipedia大小的数据源训练后，效果会更好）。因此，结果将是相当粗糙的，您必须意识到这一点。这就是为什么您不应该针对大量主题的原因（您选择了10个，在您的情况下可能明智地增加到20个）。

至于其他参数：

• random_state

  -这是一个种子（如果您想精确地重复训练过程）

• chunksize

  -一次要考虑的文档数（影响内存消耗）

• update_every

  -每

  update_every

  chunksize

  块更新模型（本质上，这是为了优化内存消耗）

• passes

  -该算法应遍历整个语料库的次数

• alpha

  -引用文档：

可以设置为显式数组=您选择的优先级。它还支持’asymmetric’和’auto’的特殊值：前者使用固定的归一化不对称1.0 /
topicno先验，后者直接从数据中学习不对称先验。

• per_word_topics

  -将此设置为

  True

  可以提取给定单词的最有可能的主题。设置培训过程的方式是将每个单词分配给一个主题。否则，将省略没有指示性的词。

  phi_value

  是引导该过程的另一个参数-它是一个单词是否被视为具有指示性的阈值。

最佳训练过程参数在M.Hoffman等人的在线潜在狄利克雷分配中特别详细地描述。

有关训练过程或模型的内存优化，请参阅此博客文章。