Ich habe ein LDA-Themenmodell mit einem Spielzeugkorpus wie folgt abgeleitet:

documents = ['Human machine interface for lab abc computer applications',
             'A survey of user opinion of computer system response time',
             'The EPS user interface management system',
             'System and human system engineering testing of EPS',
             'Relation of user perceived response time to error measurement',
             'The generation of random binary unordered trees',
             'The intersection graph of paths in trees',
             'Graph minors IV Widths of trees and well quasi ordering',
             'Graph minors A survey']

texts = [[word for word in document.lower().split()] for document in documents]
dictionary = corpora.Dictionary(texts)

id2word = {}
for word in dictionary.token2id:    
    id2word[dictionary.token2id[word]] = word

Ich fand heraus, dass Gensim, wenn ich eine kleine Anzahl von Themen verwende, um das Modell abzuleiten, einen vollständigen Bericht über die aktuelle Verteilung aller potenziellen Themen für ein Testdokument liefert. Z.B.:

test_lda = LdaModel(corpus,num_topics=5, id2word=id2word)
test_lda[dictionary.doc2bow('human system')]

Out[314]: [(0, 0.59751626959781134),
(1, 0.10001902477790173),
(2, 0.10001375856907335),
(3, 0.10005453508763221),
(4, 0.10239641196758137)]

Wenn ich jedoch eine große Anzahl von Themen verwende, ist der Bericht nicht mehr vollständig:

test_lda = LdaModel(corpus,num_topics=100, id2word=id2word)

test_lda[dictionary.doc2bow('human system')]
Out[315]: [(73, 0.50499999999997613)]

Es scheint mir, dass Themen mit einer Wahrscheinlichkeit von weniger als einer Schwelle (ich beobachtete 0,01, um genauer zu sein) in der Ausgabe weggelassen werden.

Ich frage mich, ob dieses Verhalten auf einige ästhetische Überlegungen zurückzuführen ist. Und wie kann ich die Verteilung der Restwahrscheinlichkeitsmasse über alle anderen Themen erhalten?

Vielen Dank für Ihre freundliche Antwort!