lsa - gensim python

Encontrar temas de un documento invisible a través de Gensim

Question

Estoy usando Gensim para hacer un poco de modelado de temas a gran escala. Tengo dificultades para entender cómo determinar los temas predichos para un documento invisible (no indexado). Por ejemplo: tengo 25 millones de documentos que he convertido en vectores en el espacio LSA (y LDA). Ahora quiero descubrir los temas de un nuevo documento, vamos a llamarlo x.

De acuerdo con la documentación de Gensim, puedo usar:

topics = lsi[doc(x)]

donde doc (x) es una función que convierte x en un vector.

El problema es, sin embargo, que la variable anterior, topics, devuelve un vector. El vector es útil si comparo x con documentos adicionales porque me permite encontrar la similitud del coseno entre ellos, pero no puedo devolver las palabras específicas que están asociadas con x.

¿Me estoy perdiendo algo, o Gensim no tiene esta capacidad?

Gracias,

EDITAR

Larsmans tiene la respuesta.

Pude mostrar los temas usando:

for t in topics:
print lsi.show_topics(t[0])

Answer 1

Pude mostrar los temas usando:

para temas de t: print lsi.show_topics (t [0])

Solo quería señalar un error pequeño, pero importante, en su código de solución: necesita usar la función show_topic () en lugar de la función show_topic ** s ** ().

PD: Sé que esto debería publicarse como un comentario en lugar de una respuesta, ¡pero mi puntaje de reputación actual todavía no permite comentarios!

Answer 2

El vector devuelto por [] en un modelo LSI es en realidad una lista de pares (topic, weight) . Puede inspeccionar un tema por medio del método LsiModel.show_topic