目录Python全系列 教程
3567个小节阅读：5930.2k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本，未来主流的版本
人工智能 教程
顺势而为，AI创新未来
大厂算法 教程
算法，程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
LDA简介
LDA（Latent Dirichlet Allocation），也成为"隐狄利克雷分布"。 LDA 在主题模型中占有非常重要的地位，常用来文本分类。
LDA根据一篇已有的文章，去寻找这篇文章的若干个主题，以及这些主题对应的词语
LDA建模注意事项：
用LDA主题模型建模首先要把文本内容处理成固定的格式，一个包含句子的list，list中每个元素是一句话分词后的词list。类似下面这个样子：
[[第，一，条，新闻，在，这里],[第，二，条，新闻，在，这里],[这，是，在，做， 什么],...]
gensim是一个Python的自然语言处理库，能够将文档根据TF-IDF等模型转换成向量模式
xxxxxxxxxxfrom gensim import corpora, models, similaritiesimport gensim
# sentences存储的是文本内容每一行分词后的列表
dictionary = corpora.Dictionary(sentences)corpus = [dictionary.doc2bow(sentence) for sentence in sentences]
lda = gensim.models.ldamodel.LdaModel(corpus=corpus, id2word=dictionary, num_topics=20)# 把所有的主题打印出来看看for topic in lda.print_topics(num_topics=20, num_words=8): print(topic[1])