LDA (三) 关键词提取2.0

前言:对于第一个版本 的基于LDA的文本关键词提取  实现了给定文本,提取其关键的功能。后来有需求变动,需要给出所提取的关键词的重要程度排名。便有一个问题:如何判断文本自身的词语的重要性几何,其打分的依据是什么。这也是所有关键词提取方法中最重要的一步。

思路:1.  LDA模型训练得到 topic_word 。由此可以知道每个topic 由哪些单词所代表,以及每个单词在这个topic的重要性得分。

         2.   对于测试集文本,经过LDA模型之后,得到该文本对应的topic(通常一个文本会有多个topic,舍弃概率小的,保留大概率的topic)。由1得到的每个topic包含的单词,将其赋值给测试集文本,作为候选关键词。而对于每个候选关键词,其得分 score= 每个topic的概率*每个单词属于该topic的概率。

实现算法:在LDA模型完成之后的后续代码。

a = lda.print_topics(num_topics=6)
topic_word_dict = {}
for k in range(num_topics):
    b = lda.print_topic(k)
    b = b.split(' + ')
    word_score_list = []
    for i in b:
        temp1 = i.split('*')
        #print(temp1)
        temp1[1] = eval(temp1[1])
        word_score_list.append(temp1)
    topic_word_dict[k] = word_score_list
#print(topic_word_dict)

doc_topic_dict = {}  # key: 第i篇文章 val
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值