我试图找出它是可能的，还是最好的方法是比较用mallet创建的编程上不同的主题模型，以确定给定语料库的“最佳”拟合模型。
API提供了一种确定所生成模型的对数似然性的方法。见f.e. ：[#modelLogLikelihood()
Afaik可以根据保留数据的对数似然比较不同的模型。但是这种方法可以计算出整个模型的可能性。我已经检查了source code，但这并没有将光带入黑暗。
所以我的问题是：上述方法的输出是否适合比较不同的主题建模算法（例如，层次PAM，LDA，DMR等），以找出哪种模型（理论上）代表了语料库的最佳方法？
对数似然计算的目的是提供一个在不同模型之间可比较的度量。也就是说，我不建议您以这种方式使用它。
首先，如果您实际上关心语言模型的预测可能性，则应使用许多最新的深度神经模型之一。
其次，似然性对平滑参数非常敏感，因此，获得一致差异的事实可能只是您自己的设置的假象。预处理决策（例如标记化和多词术语）也可能会比选择模型产生更大的影响。
第三，如果您实际上对主题模型输出感兴趣，那么应该清楚您想要从模型中得到什么，以及模型的哪些特征使其对于您的特定需求有用。我想建议人们认为主题模型更像是制作地图而不是拟合回归。地图的最佳分辨率取决于您要去的地方。
最后，使用最简单的模型几乎可以肯定你会更好。