LDA主题一致性指标为什么每次跑出来的结果不一样？

Question

LDA主题一致性指标为什么每次跑出来的结果不一样？

if __name__ == '__main__':
    dictionary = corpora.Dictionary(cut_word_list)
    doc_term_matrix = [dictionary.doc2bow(rev) for rev in cut_word_list]
    modellist,coherence_values = compute_coherence_values(dictionary=dictionary, corpus=doc_term_matrix, texts=cut_word_list, start=3, limit=15, step=1)
    limit=15; start=3; step=1;
    x = range(start, limit, step)
    plt.plot(x, coherence_values)
    plt.xlabel("主题数")
    plt.ylabel("主题得分")
    plt.legend(("coherence_values"), loc='best')
    plt.show()

Answer 1

【以下回答由 GPT 生成】

问题分析: LDA主题一致性指标是一种基于统计模型的度量方法，用于评价LDA模型的好坏，其计算过程中存在随机性。这就是每次运行结果不一样的原因。

解决方案: 要获得一致的结果，可以采取以下两种方法:

1. 设置随机种子: 在训练LDA模型之前，设置一个固定的随机种子，确保每次运行的随机过程是一样的。这可以使用Python的random模块来实现。例如，在代码中添加以下一行即可：

import random

random.seed(100)  # 设置随机种子

这样就会使用相同的随机种子，从而得到相同的结果。

1. 平均多次运行结果: 对于LDA模型的计算结果，可以进行多次运行，然后取平均值作为最终的结果。可以设定一个循环，在循环中运行LDA模型多次，然后将结果累加求平均。以下是代码示例：

import numpy as np

num_runs = 10
coherence_values_sum = np.zeros(limit-start+1)

for i in range(num_runs):
    modellist, coherence_values = compute_coherence_values(dictionary=dictionary, corpus=doc_term_matrix, texts=cut_word_list, start=3, limit=15, step=1)
    coherence_values_sum += coherence_values

coherence_values_avg = coherence_values_sum / num_runs

x = range(start, limit, step)
plt.plot(x, coherence_values_avg)
plt.xlabel("主题数")
plt.ylabel("主题得分")
plt.legend(("coherence_values"), loc='best')
plt.show()

通过多次运行并取平均值，可以获得一致的结果。

以上是两种解决问题的方法，你可以根据实际需求选择其中一种或两种方法来得到一致的结果。

【相关推荐】

• 帮你找了个相似的问题, 你可以看下: https://ask.csdn.net/questions/7412132
• 你也可以参考下这篇文章：LDA主题模型训练结果不一致解决方案
• 除此之外, 这篇博客: LDA主题模型评价指标汇总中的 主题模型评价指标一览 部分也许能够解决你的问题。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^