[R][源码]LDA文本模型（初级1）

Latent Dirichlet Allocation（LDA）是一个在文本建模中很著名的模型，可以用于浅层语义分析，在文本聚类中是一个很有用的模型。即在仅观察到文档词语的条件下，挖掘出文本所属的主题等一系列信息。

要求：读取属于2个主题的多篇文章，进行相关分析。

一、          数据

本实验数据取自30篇论文的摘要部分，这些论文的主题为co-clustering或者CCA。用这30个txt文件生成语料库。

二、          实验过程、结果与分析

2.1 topic-word矩阵

其余部分省略。每个词下方的第1行表示cluster 1，第2行表示cluster 2，显示了词属于不同主题的可能性。

2.2 聚类结果

Gibbssampling中设置了两个cluster，其中document[1]属于cluster 1的可能性远大于属于cluster 2的可能性，而document [22]则属于cluster 1和cluster 2的可能性大致相等。

三、          参考文献

[1]Rickjin. LDA数学八卦

[2]lda(主题模型)R语言

 

附录：源码（R程序 lda.R）

##加载lda包

library(lda)

 

##---读取30个文档到docs----取自30篇论文的摘要,来自co-clustering和CCA两个主题

D <- 30

d1 = readLines("d1.txt")

d2 = readLines("d2.txt")

d3 = readLines("d3.txt")

d4 = readLines("d4.txt")

d5 = readLines("d5.txt")

d6 = readLines("d6.txt")

d7 = readLines("d7.txt")

d8 = readLines("d8.txt")

d9 = readLines("d9.txt")

d10 = readLines("d10.txt")

d11 = readLines("d11.txt")

d12 = readLines("d12.txt")

d13 = readLines("d13.txt")

d14 = readLines("d14.txt")

d15 = readLines("d15.txt")

d16 = readLines("d16.txt")

d17 = readLines("d17.txt")