来自`gensim`的LDA（Latent Dirichlet Allocation）推断如何用于新数据？

Question

我正在使用ldamodel训练我的gensim，并预测使用像这个ldamodel[doc_term_matrix_test]这样的测试语料库，它工作正常，但我不明白预测是如何使用训练模型实际完成的（ldamodel[doc_term_matrix_test]正在做什么）。

这是代码：

dictionary2 = corpora.Dictionary(test)
dictionary = corpora.Dictionary(train)
dictionary.merge_with(dictionary2)
doc_term_matrix2 = [dictionary.doc2bow(doc) for doc in test]
doc_term_matrix = [dictionary.doc2bow(doc) for doc in train]
Lda = gensim.models.ldamodel.LdaModel
ldamodel = Lda(doc_term_matrix, num_topics=2, id2word = 
dictionary,random_state=100, iterations=50, passes=1)
topics = sorted(ldamodel[doc_term_matrix2],
                key=lambda 
                x:x[1],
                reverse=True)

Answer 1

引用gensim docs about ldamodel：

该模块允许从训练语料库中估计LDA模型，并在新的，看不见的文档上推断主题分布。

显然，你的代码所做的不是“预测”，而是推理。也就是说，您训练的LDA模型为每个测试文档生成T，估计T的主题分布。