如何使用n-gram标注文本文档？

Question

我目前有一个文档列表，我已经使用无监督主题建模进行分类。

这对我的数据很有效，但我想使用监督方法来查看什么有效。

问题是我没有这些文档的标签，但我确实从每个文档中提取了 n-grams。

我正在寻找使用他们的 ngram 标记我的文档的最佳方法。

由于下一个原因，我认为它具有挑战性，例如我们有：

Document 1 ngrams: python, numpy, pandas
Document 2 ngrams: python, pandas, nlp
Document 3 ngrams: python, numpy, pandas, nlp

如您所见，如果我只是将标签设为

python_numpy_pandas

，那么该文档将与

python_numpy_pandas_nlp

不同，但它们实际上可能是相关的。

对此有什么想法吗？有什么方法可以管理多标签主题建模吗？