Gensim LDA：错误无法在空集合上计算 LDA（无条件）

Question

我遇到了与此线程相同的错误：但所需的解决方案不同。

我正在使用 Sklearn 开发笔记本，我已经完成了 LDA 和 NMF。

我现在正尝试使用 Gensim 做同样的事情：https://radimrehurek.com/gensim/auto_examples/tutorials/run_lda.htm

这是我笔记本中的一段代码（在 Python 中）：

dic = gensim.corpora.Dictionary(texts_lem)
dic.filter_extremes(no_below=10, no_above=0.8)
corpus = [dic.doc2bow(doc) for doc in texts_lem]

model = gensim.models.LdaModel(
    corpus=corpus,
    id2word=dic.id2token,
    num_topics=10,
)

我正在使用笔记本另一部分的现有 texts_lem 列表来执行 Gensim LDA。我正在按照指南进行操作：创建字典、过滤极端值、创建语料库并将其发送到 LdaModel()。

不幸的是，它不起作用，评论 filter_extremes 的行也无济于事（这是另一个具有相同错误的线程的答案）。

texts_lem 是像下面这样的单词列表的列表：

[
 ['word', 'word', 'word', 'word'],
 ['word', 'word', 'word', 'word'],
 ['word', 'word', 'word', 'word'],
]

我的错误是：

ValueError: cannot compute LDA over an empty collection (no terms)

非常感谢您的帮助。

Answer 1

只是不要使用 id2token。

您的模型应该是：

model = gensim.models.LdaModel(
corpus=corpus,
id2word=dic.id2token,
num_topics=10,
)

工作正常。谁知道怎么回事？

Answer 2

如 gensim LDA tutorial 所示，您需要在将 dictionary.id2token 传递给 LdaModel 之前“加载”字典。使用你的例子，代码应该是

dic = gensim.corpora.Dictionary(texts_lem)
dic.filter_extremes(no_below=10, no_above=0.8)
corpus = [dic.doc2bow(doc) for doc in texts_lem]   

# Make a index to word dictionary.
temp = dic[0]  # This is only to "load" the dictionary.
id2word = dic.id2token

model = gensim.models.LdaModel(
    corpus=corpus,
    id2word=id2word,
    num_topics=10,
)

这是因为 id2token 以惰性方式初始化以节省内存（直到需要时才创建）。可以参考文档here.

Gensim LDA：错误无法在空集合上计算 LDA（无条件）

Gensim LDA : error cannot compute LDA over an empty collection (no terms)

python

nlp

gensim

lda