Porovnání výstupů LDA
Zatím jsme spustili jediné LDA s konkrétním počtem témat. Upravený výstup tohoto modelu, lda_out_tidy, je spolu s dtm_twitter načtený v tvém pracovním prostředí. Teď spusť LDA se 3 tématy a porovnej výsledky.
> lda_out_tidy
# A tibble: 35,928 x 3
topic term beta
<int> <chr> <dbl>
1 1 flight 0.0343
2 1 time 0.0102
3 2 service 0.00882
4 1 plane 0.00688
5 1 trip 0.00614
6 2 customer 0.00604
7 1 delayed 0.00596
8 2 airline 0.00593
9 1 hours 0.00532
10 1 day 0.00499
# ... with 35,918 more rows
Toto cvičení je součástí kurzu
Úvod do analýzy textu v R
Pokyny k cvičení
- Spusť LDA se 3 tématy a Gibbsovým vzorkováním (může to trvat 10 a více sekund).
- Uprav matici pravděpodobností slov do přehledného formátu.
- Seřaď témata podle pravděpodobností slov sestupně.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Run an LDA with 3 topics and a Gibbs sampler
lda_out2 <- ___(
___,
___,
___,
control = list(seed = 42)
)
# Tidy the matrix of word probabilities
lda_topics2 <- ___ %>%
___(___)
# Arrange the topics by word probabilities in descending order
___ %>%
___(___)