每当我在同一个语料库上训练时，LDA模型都会生成不同的主题

Question

我正在使用pythongensim从231个句子的小型语料库中训练潜在Dirichlet分配（LDA）模型。但是，每次我重复该过程时，都会产生不同的主题。

为什么相同的LDA参数和语料库每次都会生成不同的主题？

我如何稳定话题的产生？

我正在使用这个语料库（http://pastebin.com/WptkKVF0）和停用词列表（http://pastebin.com/LL7dqLcj），这是我的代码：

from gensim import corpora, models, similarities
from gensim.models import hdpmodel, ldamodel
from itertools import izip
from collections import defaultdict
import codecs, os, glob, math

stopwords = [i.strip() for i in codecs.open('stopmild','r','utf8').readlines() if i[0] != "#" and i != ""]

def generateTopics(corpus, dictionary):
    # Build LDA model using the above corpus
    lda = ldamodel.LdaModel(corpus, id2word=dictionary, num_topics=50)
    corpus_lda = lda[corpus]

    # Group topics with similar words together.
    tops = set(lda.show_topics(50))
    top_clusters = []
    for l in tops:
        top = []
        for t in l.split(" + "):
            top.append((t.split("*")[0], t.split("*")[1]))
        top_clusters.append(top)

    # Generate word only topics
    top_wordonly = []
    for i in top_clusters:
        top_wordonly.append(":".join([j[1] for j in i]))

    return lda, corpus_lda, top_clusters, top_wordonly

#######################################################################

# Read textfile, build dictionary and bag-of-words corpus
documents = []
for line in codecs.open("./europarl-mini2/map/coach.en-es.all","r","utf8"):
    lemma = line.split("\t")[3]
    documents.append(lemma)
texts = [[word for word in document.lower().split() if word not in stopwords]
             for document in documents]
dictionary = corpora.Dictionary(texts)
corpus = [dictionary.doc2bow(text) for text in texts]

lda, corpus_lda, topic_clusters, topic_wordonly = generateTopics(corpus, dictionary)

for i in topic_wordonly:
    print i

Answer 1

为什么相同的LDA参数和语料库每次都会生成不同的主题？

因为LDA在训练和推理步骤中都使用了随机性。

我如何稳定话题的产生？

通过在numpy.random每次训练模型或进行推理时将种子重置为相同的值，使用numpy.random.seed：

SOME_FIXED_SEED = 42

# before training/inference:
np.random.seed(SOME_FIXED_SEED)

（这很丑陋，这使得Gensim的结果难以再现；请考虑提交补丁。我已经打开了一个问题。）