如何使用 Gibbs 采样计算 LDA 的困惑度

Question

我在 R 中对 200 多个文档（总共 65k 词）的集合执行 LDA 主题模型。文档已经过预处理并存储在文档-术语矩阵dtm中。从理论上讲，我应该期望在语料库中找到 5 个不同的主题，但我想计算困惑度分数并查看模型如何随主题数量变化。下面是我使用的代码。问题是当我尝试计算困惑分数时它给了我一个错误，我不确定如何修复它（我是 R 的新手）。错误在最后一行代码中。如果有任何帮助，我将不胜感激。

burnin <- 4000  #burn-in parameter
iter <- 2000    # #of iteration after burn-in
thin <- 500     #take every 500th iteration for further use to avoid correlations between samples
seed <-list(2003,10,100,10005,765)
nstart <- 5     #use 5 different starting points
best <- TRUE    #return results of the run with the highest posterior probability

#Number of topics (run the algorithm for different values of k and make a choice based by inspecting the results)
k <- 5

#Run LDA using Gibbs sampling
ldaOut <-LDA(dtm,k, method="Gibbs", 
             control=list(nstart=nstart, seed = seed, best=best, 
                          burnin = burnin, iter = iter, thin=thin))

 perplexity(ldaOut, newdata = dtm)

Error in method(x, k, control, model, mycall, ...) : Need 1 seeds

Answer 1

还需要一个参数"estimate_theta",

使用下面的代码：

perplexity(ldaOut, newdata = dtm,estimate_theta=FALSE)

如何使用 Gibbs 采样计算 LDA 的困惑度

How to calculate perplexity for LDA with Gibbs sampling

r

lda

topic-modeling

perplexity