python-3.x - 主题建模、Gensim、Python、根据固定ID或关联数据获取主题模型

Question

我有一个关于通过 python 和 gensim 库进行主题建模的问题：当我运行以下代码时，它运行良好并提出了相关主题，但我想查看 .csv 文件中列出的每个文档的每个主题，但它会随机播放。例如，第 1 个主题来自第 2 个文档，但第 2 个主题来自第 1 个文档，第 3 个来自第 3 个文档。当我运行相同的代码时，它会再次随机播放。如何解决这个问题并获取每个文档的主题或/和直接链接到第一列中可能列出的文档的 ID 或作者的主题？

代码：

步骤1：

 import nltk
 import csv
 import re
 import nltk.corpus
 import gensim
 from gensim import corpora
 from nltk.corpus import stopwords
 from nltk.stem.wordnet import WordNetLemmatizer
 import string

第 2 步：加载数据和处理

 doc_complete = open('/home/erdal/Desktop/big_data/abstract1.csv', 'r').readlines()
 stop = set(stopwords.words('english'))
 exclude = set(string.punctuation)
 lemma = WordNetLemmatizer()
 def clean(doc):
    stop_free = " ".join([i for i in doc.lower().split() if i not in stop])
    punc_free = ''.join(ch for ch in stop_free if ch not in exclude)
    normalized = " ".join(lemma.lemmatize(word) for word in punc_free.split())
    return normalized
    doc_clean = [clean(doc).split() for doc in doc_complete]
    print(doc_clean)
    dictionary = corpora.Dictionary(doc_clean)
    doc_term_matrix = [dictionary.doc2bow(doc) for doc in doc_clean]
    Lda = gensim.models.ldamodel.LdaModel
    ldamodel = Lda(doc_term_matrix, num_topics=3, id2word = dictionary, passes=50)
    print(ldamodel.print_topics(num_topics=3, num_words=3))

第 3 步：打印出主题

  myData = ldamodel.print_topics(num_topics=3, num_words=3)
  myFile = open('/home/erdal/Desktop/big_data/all_data_1_topics.csv', 'w')
  with myFile:
   writer = csv.writer(myFile)
   writer.writerows(myData)
   print("Writing complete")

话题：

 [(0, '0.036*"learning" + 0.036*"student" + 0.026*"intergroup"'), (1, '0.005*"abstract" + 0.005*"significant" + 0.005*"using"'), (2, '0.042*"clickers" + 0.027*"motivation" + 0.027*"student"')]

标签： python-3.xgensimtopic-modeling