LDA-modell

Nu är det dags att bygga LDA-modellen. Med hjälp av dictionary och corpus kan du börja utforska vilka ämnen som förekommer i Enron-e-postmeddelandena. Genom att snabbt skriva ut de ord som tilldelats varje ämne får du en första bild av om det finns några tydliga mönster. Tänk på att ämnesmodellen är beräkningsintensiv, så det tar en stund att köra. Kör igång!

Den här övningen är en del av kursen

Bedrägeridetektering i Python

Visa kurs

Övningsinstruktioner

Bygg LDA-modellen från gensim models genom att infoga corpus och dictionary.
Spara de 5 ämnena genom att köra print topics på modellresultaten och välj de 5 vanligaste orden.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Define the LDA model
ldamodel = gensim.models.____.____(____, num_topics=5, id2word=____, passes=5)

# Save the topics and top 5 words
topics = ____.____(num_words=____)

# Print the results
for topic in topics:
    print(topic)

Redigera och kör kod