使用预定的主题分布初始化Gensim LDA模型

Question

我们可以使gensim lda模型在确定新文档的主题时使用预定主题分布吗？

Ex：

import gensim
texts=[['a','a','a'], ['b','b','b'],['c','c','c']]
d = gensim.corpora.Dictionary(texts)
bow = [d.doc2bow(doc) for doc in texts]
import numpy as np
user_topics=np.array([[1, 0, 0],[0, 1, 0],[0,0,1]])
model = gensim.models.LdaModel(corpus=bow, id2word=d, num_topics=3,  random_state=1,eta=user_topics)
model.get_topics()

返回

array([[0.9728407 , 0.01204113, 0.01511812],
       [0.01140388, 0.9742677 , 0.01432837],
       [0.02468761, 0.00788806, 0.9674243 ]], dtype=float32)

model.get_topics()是否有可能返回与'eta'相同的分布？

即

[[1, 0, 0],[0, 1, 0],[0,0,1]]

Answer 1

[这是一个有趣的问题，因为先验（η）等于后验（β）仅在可能性为常数时才会发生，并且这里的可能性看起来像是常数，即每个主题（在先）仅产生一个词。

但是，实际的问题是我们使用对数似然来拟合LDA（请参阅algorithm 1），因此，先验中的零将被[[平滑]。另外，您可能希望检查gensim.models.LdaModel中的其他参数，因为在实现过程中还涉及许多其他阈值。

结果，您将只看到β接近但不等于η，并且具有更多数据（例如，代替3个“ a”，尝试300个“ a”），它将更接近。