归一化主题文档概率 text2vec R
Normalized topic document probabilities text2vec R
我试图在 运行 使用 R 中的 text2vec 包的 lda 模型之后找出主题文档概率。
以下命令生成模型：
lda_model <- LDA$new(n_topics = n_topics, doc_topic_prior = 0.1, topic_word_prior = 0.01)
doc_topic_distr <- lda_model$fit_transform(x = quantdfm, n_iter = 2000, convergence_tol = 0.00001, n_check_convergence = 10, progressbar = FALSE)
quantdfm 是使用 quanteda 包的 dtm，我将其插入 $fit_transform 方法中。
我注意到 doc_topic_distr 包含主题文档概率（甚至没有要求规范化）。这个对吗？因为在之前的 post: 中，Dmitriy Selivanov 要求使用以下方法推导此类概率：
doc_topic_prob = normalize(doc_topic_distr, norm = "l1")
而当我使用与上面相同的命令时，doc_topic_distr 和 doc_topic_prob 具有相同的值（我认为前者包含整数而不是后者的分数）。
如果这是代码的预期行为，请提出建议，或者我在这里遗漏了什么。
谢谢。
根据最新文档 LDA fit_transform returns 主题概率。
我试图在 运行 使用 R 中的 text2vec 包的 lda 模型之后找出主题文档概率。
以下命令生成模型：
lda_model <- LDA$new(n_topics = n_topics, doc_topic_prior = 0.1, topic_word_prior = 0.01)
doc_topic_distr <- lda_model$fit_transform(x = quantdfm, n_iter = 2000, convergence_tol = 0.00001, n_check_convergence = 10, progressbar = FALSE)
quantdfm 是使用 quanteda 包的 dtm，我将其插入 $fit_transform 方法中。
我注意到 doc_topic_distr 包含主题文档概率（甚至没有要求规范化）。这个对吗？因为在之前的 post:
doc_topic_prob = normalize(doc_topic_distr, norm = "l1")
而当我使用与上面相同的命令时，doc_topic_distr 和 doc_topic_prob 具有相同的值（我认为前者包含整数而不是后者的分数）。
如果这是代码的预期行为，请提出建议，或者我在这里遗漏了什么。
谢谢。
根据最新文档 LDA fit_transform returns 主题概率。