使用 LDA 进行主题建模之前的降维
Dimensionality Reduction before Topic Modeling with LDA
我想用 LDA 做一些主题建模，但遗憾的是我的数据非常稀少，结果并不令人满意。因为我仍然想尝试用LDA来解决我的任务（即使可能有更好的可能性），我正在考虑在LDA之前使用某种降维方法。
我知道 LDA 可用于主题建模，也可用于降维，那么在使用 LDA 之前尝试降维是否有意义？如果是，我可以使用什么方法？我认为使用像 LSI 或 SVD 这样的东西是没有意义的。
正如您所指出的，LDA 可以被视为一种降维技术。因此，我会说这没有任何意义。
然而，LDA 通常与 tf/idf 和停用词过滤结合使用。这允许删除太稀疏和无意义的单词。
我想用 LDA 做一些主题建模，但遗憾的是我的数据非常稀少，结果并不令人满意。因为我仍然想尝试用LDA来解决我的任务（即使可能有更好的可能性），我正在考虑在LDA之前使用某种降维方法。
我知道 LDA 可用于主题建模，也可用于降维，那么在使用 LDA 之前尝试降维是否有意义？如果是，我可以使用什么方法？我认为使用像 LSI 或 SVD 这样的东西是没有意义的。
正如您所指出的，LDA 可以被视为一种降维技术。因此，我会说这没有任何意义。
然而，LDA 通常与 tf/idf 和停用词过滤结合使用。这允许删除太稀疏和无意义的单词。