comments <- as.list(comments)
doc.list <- strsplit(as.character(comments),split=" ")
term.table <- table(unlist(doc.list))
term.table <- sort(term.table, decreasing = TRUE)
del <- term.table < 5| nchar(names(term.table))<2
term.table <- term.table[!del]
vocab <- names(term.table)
get.terms <- function(x) {
index <- match(x, vocab)
index <- index[!is.na(index)]
rbind(as.integer(index-1), as.integer(rep(1, length(index))))
}
documents <- lapply(doc.list, get.terms)
K <- 35
G <- 5000
alpha <- 0.10
eta <- 0.02
library(lda)
set.seed(357)
fit <- lda.collapsed.gibbs.sampler(documents = documents, K = K, vocab = vocab, num.iterations = G, alpha = alpha, eta = eta, initial = NULL, burnin = 0, compute.log.likelihood = TRUE)
get.terms函数rbind那行将每条文本对应的词语的编号向前移了一位,这样的话每个文本的词向量就不是原来的。我尝试去掉-1,运行时错误出现在fit那行,显示词语下表超出范围。我仔细翻阅了一下 lda.collapsed.gibbs.sampler函数,documents参数需要从0开始检索词语。